跳到正文
arXiv · NLP· Sait Furkan Teke (ufak AI)·· 2026-10-05AI 评分28

HakemBench:土耳其语类型化决策基准测试

HakemBench: A Turkish Benchmark of Typed Decisions

AI 导读

HakemBench 1.0 发布,包含 2,346 个条目和 7 个赛道,采用 CC BY 4.0 协议开源。 基准测试通过宏观 F1、校准度和选择性自动化评分,由 16 个模型组成的排行榜中,最高综合分为 0.888。

来源:arXiv · NLP · arxiv.org