mmlu2

mmlu2修复完整版

MMLU2（Massive Multitask Language Understanding 2）是MMLU基准测试的升级版本，旨在更全面地评估语言模型的多任务理解和推理能力。它扩展了原始数据集的覆盖范围，新增更多学科领域（如高阶数学、专业医学、法律等）和跨语言任务，同时优化题目难度分布以区分不同规模的模型性能。MMLU2保留了多项选择题形式，但引入了动态上下文生成和对抗性干扰项设计，以检验模型在复杂场景下的鲁棒性。该基准强调零样本和小样本学习能力，为研究者提供更精细的模型能力分析工具，推动通用人工智能的发展。