Benchmark on 中文AI术语词典https://terms-en.ai-term-hub.com/zh/tags/benchmark/Recent content in Benchmark on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000登山车问题https://terms-en.ai-term-hub.com/zh/terms/mountain_car_problem/Sat, 18 Jul 2026 11:26:37 +0000https://terms-en.ai-term-hub.com/zh/terms/mountain_car_problem/<h2 id="definition">Definition</h2> <p>登山车问题是强化学习研究中的标准基准。目标是将一辆动力不足的车控制到陡坡顶部。由于车辆无法直接爬上山坡，智能体需要利用惯性来回摆动以积累动能。</p> <h3 id="summary">Summary</h3> <p>一个经典强化学习任务，智能体必须仅使用加速控制将车开上陡峭的山坡。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>稀疏奖励</li> <li>延迟后果</li> <li>连续控制</li> <li>基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>测试新的强化学习算法</li> <li>展示价值函数近似技术</li> <li>强化学习概念的教学示例</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/openai-gym-openai-%E7%8E%AF%E5%A2%83%E5%BA%93/">OpenAI Gym (OpenAI 环境库)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0-reinforcement-learning/">强化学习 (Reinforcement Learning)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8D%95%E6%91%86%E4%B8%8A%E6%91%86-pendulum-swing-up/">单摆上摆 (Pendulum Swing-Up)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%80%BC%E8%BF%AD%E4%BB%A3-value-iteration/">值迭代 (Value Iteration)</a></li> </ul>FrontierMathhttps://terms-en.ai-term-hub.com/zh/terms/frontiermath/Sat, 18 Jul 2026 11:17:53 +0000https://terms-en.ai-term-hub.com/zh/terms/frontiermath/<h2 id="definition">Definition</h2> <p>FrontierMath是一个专门的评估套件，用于测试大型语言模型在复杂数学问题解决方面的极限。与标准的算术基准不同，它侧重于高水平（high-scoring）的数学推理能力评估。</p> <h3 id="summary">Summary</h3> <p>一个旨在评估最先进AI模型高级数学推理能力的基准数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数学推理</li> <li>基准评估</li> <li>思维链</li> <li>最先进水平</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估大型语言模型在复杂数学问题上的表现</li> <li>研究模型推理能力的改进</li> <li>比较不同模型架构的定量技能</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/math-benchmark-math%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95/">MATH Benchmark (MATH基准测试)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/chain-of-thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">Chain-of-Thought (思维链)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/reasoning-models-%E6%8E%A8%E7%90%86%E6%A8%A1%E5%9E%8B/">Reasoning Models (推理模型)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-evaluation-ai%E8%AF%84%E4%BC%B0/">AI Evaluation (AI评估)</a></li> </ul>数据集：Snlihttps://terms-en.ai-term-hub.com/zh/terms/datasetsnli/Sat, 18 Jul 2026 11:13:26 +0000https://terms-en.ai-term-hub.com/zh/terms/datasetsnli/<h2 id="definition">Definition</h2> <p>SNLI 是一个基准数据集，包含超过 50 万个标注的句子对，分为三类：蕴含（entailment）、矛盾（contradiction）和中性（neutral）。它旨在推动自然语言推理研究。</p> <h3 id="summary">Summary</h3> <p>斯坦福自然语言推理语料库，一个包含英语句子对及人工编写的文本蕴含标签的大型数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言推理</li> <li>文本蕴含</li> <li>句子对</li> <li>基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估语义相似度模型</li> <li>训练NLI分类器</li> <li>研究NLP中的逻辑推理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/multinli-%E5%A4%9A%E9%A2%86%E5%9F%9F%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E6%8E%A8%E7%90%86%E8%AF%AD%E6%96%99%E5%BA%93/">MultiNLI (多领域自然语言推理语料库)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/rte-%E6%96%87%E6%9C%AC%E8%AF%86%E5%88%AB%E8%95%B4%E5%90%AB%E4%BB%BB%E5%8A%A1/">RTE (文本识别蕴含任务)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bert-%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BAtransformer/">BERT (双向编码器表示Transformer)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/semantic-role-labeling-%E8%AF%AD%E4%B9%89%E8%A7%92%E8%89%B2%E6%A0%87%E6%B3%A8/">Semantic Role Labeling (语义角色标注)</a></li> </ul>数据集:Ms Marcohttps://terms-en.ai-term-hub.com/zh/terms/datasetms_marco/Sat, 18 Jul 2026 11:13:13 +0000https://terms-en.ai-term-hub.com/zh/terms/datasetms_marco/<h2 id="definition">Definition</h2> <p>MS MARCO（Microsoft Machine Reading Comprehension）是自然语言处理中广泛使用的数据集，特别适用于信息检索和问答任务。它由匿名化的搜索查询组成。</p> <h3 id="summary">Summary</h3> <p>微软机器阅读理解数据集，是一个大规模的真实搜索查询和相关文档片段集合，用于训练信息检索系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息检索</li> <li>段落排序</li> <li>搜索查询</li> <li>机器阅读理解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练搜索引擎</li> <li>开发问答系统</li> <li>基准测试检索模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%AF%86%E9%9B%86%E6%A3%80%E7%B4%A2-dense-retrieval/">密集检索 (Dense Retrieval)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bert/">Bert</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E%E4%BC%98%E5%8C%96-search-engine-optimization/">搜索引擎优化 (Search Engine Optimization)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/nlp-%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95-nlp-benchmarks/">NLP 基准测试 (NLP Benchmarks)</a></li> </ul>数据集:Multi Nlihttps://terms-en.ai-term-hub.com/zh/terms/datasetmulti_nli/Sat, 18 Jul 2026 11:13:13 +0000https://terms-en.ai-term-hub.com/zh/terms/datasetmulti_nli/<h2 id="definition">Definition</h2> <p>MultiNLI 是通过 GLUE 基准测试提供的众包语料库，旨在评估口语和书面语各种体裁下的自然语言推理（NLI）能力。它提供了前提-假设对。</p> <h3 id="summary">Summary</h3> <p>多体裁自然语言推理语料库，是一个包含数百万句人工撰写的英语句子的大型数据集，拥有用于文本蕴含关系的黄金人工标注。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言推理</li> <li>文本蕴含</li> <li>GLUE 基准测试</li> <li>语义相似度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估语义理解能力</li> <li>训练 NLI 模型</li> <li>跨体裁泛化测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/snli/">SNLI</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/glue/">GLUE</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%95%B4%E5%90%AB-entailment/">蕴含 (Entailment)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%9F%9B%E7%9B%BE-contradiction/">矛盾 (Contradiction)</a></li> </ul>