行业与实践 · 标签「C-Eval」

研究与基准测试/2026-09-22/6 分钟

金融题超过 2.6 万，GPQA 钻石只有 448：华为云预置评测集按名字给规模

华为云 ModelArts《预置评测集说明》更新于 2026-09-22，列出 14 个评测集。有题量的是 GPQA_Diamond 448、C-Eval 52 科、GSM8K 8.5K、BBH 204 项、FinEval 超过 26000。页面没有模型得分。