基准FINAL Benchmark
FINAL Bench
评估大模型元认知能力的功能性基准，覆盖15个领域100项任务，要求模型识别自身错误并修正，论文发布于arXiv，数据集托管于Hugging Face
时间轴 (近 90 天)
10月18日
FINAL Bench是一个覆盖15个领域、100项任务的功能性元认知评估基准，旨在评估模型识别自身错误并修正的能力。
待验证50%
10月18日
FINAL Bench的论文已发布在arXiv上，数据集托管于Hugging Face。
待验证50%