GLUE
自然言語処理（NLP）モデルの性能を評価するための標準ベンチマーク テキスト分類、機械翻訳、要約、読解理解、対話生成など多様なタスクをカバー
CoLA(Corpus of Linguistic Acceptability)要約 文の文法的正しさを判断
STS-B(Semantic Textual Similarity Benchmark)
２つの文章の類似性を評価
QNLI(Question Natual Language Inference)
質問応答、質問と応答のペアの矛盾を判定
MNLI(Multi NLI)
文の意味的な関係を３つのクラスに分類（矛盾、中立、含意）
RTE(Recognizing Textual Entailment）
2つの文の含意関係（含意／含意でない）を判定するタスク
SST-2（The Stanford Sentiment Treebank）
文の感情（ポジティブ／ネガティブ）を判定するタスク
QQP（Quora Question Pairs）
2つの質問文が同じ意味かどうかを判定するタスク
MPRC(Microsoft Research Paraphrase Corpus）
2つの文が同じ意味かどうかを判定するタスク