待验证50% 置信事实精确时间
评估语言模型输出质量的标准基准包括MMLU（多领域知识）、HumanEval/MBPP（代码生成）、MT-Bench和AlpacaEval（指令遵循与对话）、GSM8K和MATH（数学推理）
1
来源数
50%
置信度
长期有效
时效性
2026/9/23
首次发现
来源
涉及实体
相关事实
待验证MMLU、HellaSwag、BIG-Bench等主流大语言模型评测体系主要衡量知识覆盖度、逻辑推理与语言流畅性，其设计假设存在可验证的正确答案80% 相似待验证MMLU衡量多任务语言理解、HumanEval衡量代码生成、MATH衡量数学推理76% 相似待验证大语言模型编程场景的核心能力指标包括HumanEval代码生成基准、SWE-bench真实Bug修复成功率及跨文件依赖解析准确性75% 相似待验证视觉语言模型的常见评测基准包括VQAv2、MMBench、MMMU、TextVQA以及MME69% 相似待验证用户给出的上下文和约束条件直接决定了大语言模型生成的方向和质量，这是提示词工程重要的原因69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/945367API
curl https://kongchang.com/api/v1/knowledge/claims/945367MCP
get_claim(id=945367)