M
MMLU
Также известен как: Massive Multitask Language Understanding
Данные и аналитикаОпределение
MMLU (Massive Multitask Language Understanding) — бенчмарк для оценки знаний и способности к рассуждению LLM по 57 предметным областям.
Простое объяснение
MMLU — как единый экзамен для AI по всем предметам сразу: от физики до истории искусств. Показывает, насколько модель "образованна".
Подробнее
MMLU включает вопросы с множественным выбором из областей от элементарной математики до профессионального права и медицины. Тест покрывает STEM, гуманитарные науки, социальные науки и другие области на уровне от средней школы до профессионального экзамена. MMLU стал де-факто стандартом для сравнения LLM: GPT-4 показывает ~86%, Claude 3 Opus ~86%, Gemini Ultra ~83%. Однако есть критика: возможна контаминация тестовых данных, некоторые вопросы устарели или неоднозначны.
Связанные термины
Sentiment Analysis
Sentiment Analysis — автоматическое определение эмоциональной окраски текста: позитивной, негативной или нейтральной.
Question Answering
Question Answering (QA) — задача автоматического ответа на вопросы на естественном языке на основе текста или базы знаний.
Датасет
Датасет — набор данных, используемый для обучения, валидации и тестирования AI-моделей.
База знаний
База знаний — структурированное хранилище информации, используемое AI-системами для поиска фактов и контекста при генерации ответов.