BIG-Bench

مجموعة معايير واسعة النطاق تضم أكثر من 200 مهمة جُمعت بشكل تعاوني لتقييم النماذج اللغوية الكبيرة، تشمل مهام حسابية ولغوية ومنطقية متنوعة.

A large-scale crowd-sourced benchmark suite of over 200 tasks for evaluating large language models, including arithmetic, linguistic, and logical reasoning tasks.