基准测试

基准测试是评估AI模型能力和性能的标准化测试集合，涵盖了语言理解、逻辑推理、知识问答、代码生成等多个维度。知名的基准测试包括MMLU（大规模多任务语言理解）、HellaSwag（常识推理）、Human…