Tag Archive
#Benchmark
共 1 篇文章，按发布时间从新到旧排列。
大模型也要考试：从 MMLU 到 DeepSWE 看懂 AI 评测
用最通俗的方式解释 MMLU、MMLU-Pro、GSM8K、HumanEval、SWE-bench、DeepSWE 等评测基准是什么、怎么来的、在考什么。
Tag Archive
共 1 篇文章，按发布时间从新到旧排列。
用最通俗的方式解释 MMLU、MMLU-Pro、GSM8K、HumanEval、SWE-bench、DeepSWE 等评测基准是什么、怎么来的、在考什么。