How Reliable Are Bengali LLM Benchmarks? A Cross-Lingual Contamination and Robustness Audit of Open-Weight Language Models
यह शोध पत्र क्रॉस-लिंगुअल डेटा संदूषण (cross-lingual data contamination) का पता लगाने और गड़बड़ी (perturbations) के विरुद्ध मजबूती को मापने के माध्यम से बंगाली एलएलएम (LLM) बेंचमार्क की विश्वसनीयता के ऑडिटिंग के लिए एक व्यवस्थित ढांचे को प्रस्तुत और मान्य करता है, जो यह प्रकट करता है कि प्रारंभिक पायलट परिणाम संयोग के स्तर (chance levels) से मुश्किल से ऊपर हैं।