HELMET

Определение

Бенчмарк для оценки LLM, фокусирующийся на цепочке рассуждений (CoT) и faithfulness в длинных контекстах.

Где встречается

• 633. Как вы оцениваете reasoning capability (не просто recall) на длинном контексте

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление