用 3C3H 重新思考 LLM 评测：AraGen 基准与排行榜

Hugging Face 发布面向阿拉伯语 LLM 的生成式评测基准与排行榜 AraGen，并推出新的 NLG 评测指标 3C3H。3C3H 基于 LLM-as-judge，从正确性、完整性、简洁性、有用性、诚实性与无害性六个维度评估模型回答，兼顾事实性与可用性。排行榜采用动态评测：数据集和评测代码先私有盲测三个月，到期后公开并更换新数据集，以缓解数据污染问题。