评估与指标

MMLU基准测试（大规模多任务语言理解）

一种全面的基准测试，用于衡量LLM在广泛领域的57个主题上的知识和理解能力，从基础数学到美国法律再到历史。它评估模型回答多项选择问题的能力。

← 返回