MoveBench: Một bài đo chuẩn dựa trên quy tắc để đánh giá các mô hình ngôn ngữ lớn trong huấn luyện thể thao và sức khỏe

Đoạn trích bài viết

Mặc dù có những tiến bộ nhanh chóng trong các mô hình ngôn ngữ lớn (LLM), việc triển khai chúng trong lĩnh vực thể thao và sức khỏe vẫn có nguy cơ cao do thiếu bài đo chuẩn cụ thể về lĩnh vực. Các chỉ số chuẩn chung hiện có (ví dụ: MMLU và HELM) chủ yếu đánh giá kiến thức rộng và khả năng lý luận.