MMLU (Massive Multitask Language Understanding) — LLM Ewaluacja i benchmarki Dataset
Wzorcowy wielodziedzinowy benchmark: 16 tys. pytań wielokrotnego wyboru z 57 przedmiotów — od STEM i nauk humanistycznych po prawo, medycynę i nauki społeczne. Każdy liczący się LLM jest oceniany na MMLU. Wynik powyżej 80% uchodzi za mocny; GPT-4 osiąga ~87%, Llama 3 70B ~82%.
HumanEval — Benchmarking Python code generation - never train on it
MT-Bench — Judging multi-turn chat quality with LLM-as-judge
Najczęstsze pytania
Czy mogę użyć MMLU (Massive Multitask Language Understanding) komercyjnie?
Tak — MMLU (Massive Multitask Language Understanding) jest udostępniony na licencji MIT, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera MMLU (Massive Multitask Language Understanding) i czy potrzebuję wszystkich?
MMLU (Massive Multitask Language Understanding) zawiera 16k Questions. To benchmark ewaluacyjny, używany w całości do mierzenia modeli — nigdy nie mieszaj go z danymi treningowymi, bo wyniki benchmarku stracą sens.
Do czego MMLU (Massive Multitask Language Understanding) nadaje się najlepiej?
Benchmarking general knowledge - never train on it. Należy do sekcji „Ewaluacja i benchmarki" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.