BestRand 提出稳定低成本的基准压缩方法，并扩展至 VLA 评测

BestRand 是一种稳定且低成本的基准压缩方法，通过降低随机采样中高误差的长尾风险，在 70 多个文本、多模态和智能体基准上验证，并扩展至 VLA 评测。相比对比方法，其高误差风险降低 50.2%、估计误差平均降低 16.4%，构建成本仅为 51.3%。作者还推导了子集估计全基准分数时误差分布的解析近似，指出随机采样多数情况下误差较小但存在罕见大误差。