高效基准评测本质是特征选择与多元回归

研究提出将 LLM 高效基准评测重构为特征选择与多元回归问题，在预测阶段采用核岭回归即可显著改进现有评测方案。结合最小冗余最大相关（mRMR）算法筛选题目子集，不仅能在二元和连续指标基准上取得更小的 MAE 与 RMSE 预测误差及更高的排名相关性（Spearman $\rho$ 与 Kendall $\tau$），其采样速度也显著快于概率模型或聚类方法且稳定性更高。