研究者发布OpenTWBench台湾知识评测套件

Liang-Hsun Huang 等作者发布 OpenTWBench 开放评测套件，用于评测大语言模型的台湾领域知识，包含两个基准和公开的排行榜。 其中一项基准收录 255,854 道台湾考试四选一试题，覆盖 148 个学科，素材来自考试院十五年开放数据；另一项 tw-formosa-bench 含 1,696 道台湾日常知识题。 据作者称，数据集、逐题难度数据、整理清单和排行榜均一并公开。报道同时讨论测量装置如何影响模型分数。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。