s1mb generalization japanese contextual
这是 S1MB 英文套件中的一个基准，取自 s1mb-generalization-japanese-contextual 子集。按作者给定的有序标准档位打分，返回每个档位的概率分布，主指标是归一化期望值 MAE，越低越好。该基准包含 100 个 case、100 个判断。评测协议：S1MB 把原始任务改写为类型化决策问题，模型必须输出概率分布，分数经过「忽略输入的基线」校正后折算到 0–100（50 分代表补上了一半差距，不是答对一半）。
这是 S1MB 英文套件中的一个基准，取自 s1mb-generalization-japanese-contextual 子集。按作者给定的有序标准档位打分，返回每个档位的概率分布，主指标是归一化期望值 MAE，越低越好。该基准包含 100 个 case、100 个判断。评测协议：S1MB 把原始任务改写为类型化决策问题，模型必须输出概率分布，分数经过「忽略输入的基线」校正后折算到 0–100（50 分代表补上了一半差距，不是答对一半）。
评估集信息
- 所属套件
- S1MB
- 分组
- S1MB 泛化（合成）
- 决策类型
- Score · 打分
- 样本量
- 100 个 case
- 判断数
- 100
- 主指标
- normalized_expected_score_mae
- 优化方向
- 越高越好
- 参评模型
- 0 个
这个评估集测什么
这是 S1MB 英文套件中的一个基准，取自 s1mb-generalization-japanese-contextual 子集。按作者给定的有序标准档位打分，返回每个档位的概率分布，主指标是归一化期望值 MAE，越低越好。该基准包含 100 个 case、100 个判断。评测协议：S1MB 把原始任务改写为类型化决策问题，模型必须输出概率分布，分数经过「忽略输入的基线」校正后折算到 0–100（50 分代表补上了一半差距，不是答对一半）。
在该评估集上的模型成绩（0 个）
暂无模型在该评估集上的公开成绩。