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