Ainexis
评测基准数据集，包括 MMLU、GSM8K、HumanEval、MATH、BBH、GPQA 等主流基准，说明题目规模、评价指标、污染风险与适用场景。
GSM8K 是 OpenAI 于 2021 年发布的数学文字…
HumanEval 是 OpenAI 在 2021 年 Co…
MMLU（Massive Multitask Languag…
