跳到主要内容Skip to main content

Models · Evals

CMMLU

中文知识与推理

测什么中文知识与推理
任务与数据67 个主题的中文多选题
指标准确率
污染风险题目公开;需要核对训练数据是否含同源题。
复现固定 shot 数与 prompt;记录是否使用中文思维链。
成本低
快照日2026-11-19
核验日2026-11-19

怎么读

比 C-Eval 覆盖更细;仍属于知识型评测。

下一步

  • 打开榜单或论文页,确认题集版本、评分脚本与提交日期。
  • 把它和你关心的业务任务做对照;找不到对应任务,就自己建 50–100 条内部评测。
  • 读 怎么读榜单,把“分数”写成“条件 + 参考价值”。
榜单 / 来源:https://github.com/haonan-li/CMMLU · 快照 2026-11-19