BenchMIRT odhaľuje, čo v skutočnosti merajú benchmarky jazykových modelov
Ai2 predstavilo otvorenú metódu BenchMIRT, ktorá rozkladá skóre benchmarkov na schopnosti merané jednotlivými úlohami. Analýza ukazuje, že testy bezpečnosti často zachytávajú aj všeobecné uvažovanie.