벤치마크 전반에 걸쳐 대규모 생성 모델 (large generative models)을 평가하는 것은 시간이 많이 소요되며 계산 비용이 많이 듭니다. 이는 코어셋 (coreset)이라고 알려진 항목의 일부만을 평가함으로써 전체 벤치마크 성능을 추정할 수 있는 방법에 대한 필요성을 유발합니다. 기존 문헌들은 대부분 실무자가 코어셋 크기를 직접 입력할 것을 요구합니다. 그러나 효율성보다 신뢰할 수 있는 성능 추정이 우선시될 때, 평가 방법은 이러한 우선순위를 반영하여 코어셋 크기를 자동으로 결정할 수 있는 능력도 갖추어야 합니다. 우리는 코어셋 크기의 자동 결정에 특화된 순차적 베이지안 프레임워크 (sequential Bayesian framework)인 BayesAME를 소개합니다. BayesAME는 동일한 과거 모델 성능을 공유하는 각 항목 그룹에 대해 잠재적 능력 (latent ability)을 정의함으로써 성능을 확률 변수로 모델링하며, 대상 모델이 이러한 과거 모델들과 유사하게 동작한다는 믿음을 인코딩하는 결합 사전 분포 (joint prior distribution)를 사용합니다. 이러한 능력들에 대한 사후 분포 (posterior distribution)는 성능 추정치를 도출하고, 성능 불확실성 (performance uncertainty)을 정량화하며, 정보 이득 기준 (information-gain criterion)을 통해 코어셋에 추가할 항목을 선택하는 데 사용됩니다. 코어셋은 성능 추정 변동 (performance estimate fluctuation)과 성능 불확실성이 각각 사용자가 정의한 임계값 미만으로 떨어질 때까지 반복적으로 확장됩니다. 우리는 코어셋 크기를 더욱 줄이기 위해 여러 대상 모델 간의 성능 상관관계를 포착하는 다중 목표 확장 (multi-target extension)을 제안합니다. 다양한 벤치마크에 걸친 광범위한 실험을 통해, 우리는 BayesAME가 기존 방법들의 순차적 적응 방식보다 일관되게 우수한 성능을 보임을 입증합니다. 결정적으로, 우리의 종합적인 분석은 최근 문헌의 회의론을 다루며, 비무작위 코어셋 선택 (non-random coreset selection)이 무작위 선택보다 유리함을 확립합니다. 마지막으로, 전통적인 이진 점수 (binary scores) 대신 연속적인 응답 로그 가능도 (continuous response log-likelihoods)를 활용하는 것이 추정 정확도를 크게 향상시킨다는 점을 강조합니다.