Бенчмарки и оценка

HellaSwag

Бенчмарк, тестирующий понимание здравого смысла и рассуждения о повседневных жизненных сценариях, требующий от моделей выбора наиболее правдоподобного завершения предложения среди контекстуально согласованных вариантов.

← Назад