BBH (BIG-Bench Hard):基准测试详解
详细介绍 BBH (BIG-Bench Hard) 基准:分类、评估指标、数据来源与适用模型。
基准介绍
BIG-Bench 的 23 个最难任务子集,覆盖逻辑推理、符号操作、常识推理等领域,传统模型表现不佳,用于评估模型的复杂推理能力。
评测指标
| 指标名 | 单位 | 方向 |
|---|---|---|
| accuracy | % | ↑ 越高越好 |
数据来源
模型得分排名
BBH (BIG-Bench Hard)
描述
BIG-Bench 的 23 个最难任务子集,覆盖逻辑推理、符号操作、常识推理等领域,传统模型表现不佳,用于评估模型的复杂推理能力。
核心规格
| 分类 | 许可证 | 最后更新 |
|---|---|---|
| reasoning | MIT | 2022-10-01 |
基准
| 单位 |
|---|
| % |