a686d380/h-eval

H-Eval H-Eval数据集由人工挑选的316个H小说句子组成，要求模型正确续写下一个单词 本测试集无法反映模型长文本生成能力，更低的分数也不能反映模型在色情方面更为安全 你可以使用benchmark.py测试其他模型 本测试集仅供科学研究 Model Score Human 80.2 rwkv-5-h-world-7B 60.3 rwkv-5-h-world-3B 59.4 rwkv-5-h-world-1b5 59.1 Yi-34B 54...