跳到主要内容Skip to main content

Models · Evals

MMLU

57 个学科的知识广度

测什么57 个学科的知识广度
任务与数据多选题;覆盖 STEM、人文、社科、法律、医学等
指标准确率(按题计)
污染风险题目公开多年,训练集污染风险高;新模型分数要结合发布时间看。
复现固定 5-shot 或 0-shot 设置,记录模板、选项顺序与评分脚本。
成本低;本地单卡可跑
快照日2026-11-19
核验日2026-11-19

怎么读

适合看知识面,不适合判断实际任务能力;不要把分数当唯一选型依据。

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”。