arXiv发布OpenTWBench台湾领域评测

发生了什么

据arXiv cs.CL论文，研究发布OpenTWBench大模型台湾领域知识评测套件。该套件包含tw-exam-bench（253,674道题目）和tw-formosa-bench（1,696道题目）。在公开榜单的108个模型中，22个得分高于基准上限，最佳得分为91.6%。