WHAT-THE-JEV / EXPERIMENTS
实验
可复现的基准测试与探索，包含数据、结果与分析。
一、LLM benchmark：学科能力
01GPQA Diamond 研究生级科学题
探索 JEV 在 GPQA Diamond 研究生级科学题上的表现。
二、LLM benchmark：社会常识与偏见
04BBQ 偏见敏感问答
探索 JEV 在 BBQ 偏见敏感问答题上的表现，以及是否会偏向刻板印象。
四、经典机器学习预测：回归与分类
09波士顿房价：预测与比较
探索 JEV 能否预测波士顿社区的房价，并比较不同社区的房价高低。
五、LLM 后训练标注
11DPO 训练数据偏好标注
探索 JEV 在 DPO 训练数据偏好标注上的表现。