知識集約的タスクをどう評価するか？ - evergreens

知識集約的タスクをどう評価するか？

海外ベンチマーク

難易度Easy-Medium

難易度Hard

StrategyQA: NLU + Reasoning

日本語ベンチマーク

日本語におけるLLMの評価指標