一个包含 200 多个不同任务的综合基准，用于评估模型的各种能力，包括推理、语言理解和知识。
查看 BIG-bench 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
暂无评测数据
