大模型HellaSwag测试方法

HellaSwag评测是衡量大语言模型在复杂常识推理和动作预测任务上能力的权威基准测试，其核心在于检验模型能否在给定情境下，从多个干扰选项中选出最符合人类逻辑与常识的后续行为描述，什么是HellaSwag评测及其核心价值HellaSwag这个名字听起来有些随意,但它实际上是AI领域一个非常硬核的“考场”，它的全……