[控场AI]
基准

ANLI-R3

对抗性自然语言推理数据集的第三轮,用于评估模型的鲁棒推理能力

时间轴 (近 90 天)

11月4日

评估集由固定的 5,112 条样本组成,混合了 ARC-Challenge、ANLI-R3,以及 MMLU-Pro 和 CMMLU 的分层子集。

待验证50%

全部知识事实 (1)

来源文章