Ainexis
逐节拆解 MMLU 基准论文：57 个学科任务、四大门类的设…
当行业习惯用单一榜单分数给大模型排名时，斯坦福 CRFM 团…
HumanEval 是 OpenAI 在 2021 年 Co…
MMLU（Massive Multitask Languag…
GSM8K 是 OpenAI 于 2021 年发布的数学文字…
逐条拆解 GPQA 这个「研究生级、搜不到答案」的评测基准：…
