Same Outputs, Different Scores: Auditing the Unchecked Graders of Multimodal LLM Benchmarks

Ahmad Jarjis Hasan, Jonathan Lwowski

На странице источника доступны аннотация, полный текст или сведения о том, где его прочитать. Препринт может ещё не пройти рецензирование; проверьте, появилась ли журнальная версия.