Testing & QA — Tech News

Как оценивать LLM на практике, если времени на «идеальный бенчмарк» нет

Меня зовут Алёна, и я более пяти лет занимаюсь оценкой языковых моделей: участвовала в создании таких русскоязычных бенчмарков как Russian SuperGLUE, …

бенчмаркинг бенчмар MERA русскоязычные датасеты