跳到正文
AGI Hunt· tongshuangwu·· 1 小时前AI 评分46

BenchHub 汇聚 54 个基准与 839K 题目,细粒度审计 LLM 评测

BenchHub 汇聚 54 个基准 839K 题目,细粒度审计 LLM 评测

AI 导读

BenchHub 框架汇聚 MMLU、GPQA、MATH、ARC 等 54 个基准、10 种语言及 839K 道题目,统一格式后在实例级标注“学科/技能/文化敏感度”等维度。该框架可揭示基准间重复组合与跨数据集题目复用,并支持按具体应用需求构建可控、可解释的定制化评测集。

来源:AGI Hunt · agihunt.info