LLM Benchmarks - 评估方法套件

常用 LLM 基准：

• ARC 是一套小学问题。
• HellaSwag 是对常识的测试。
• MMLU 是一种多任务指标，涵盖初等数学、美国历史、计算机科学、法律等内容。
• TruthfulQA 衡量一个模型复制网上常见虚假信息的倾向。