BBH (BIG-Bench Hard)

为什么重要

BBH（BIG-Bench Hard）从 200+ 个 BIG-Bench 任务中筛选出 23 个 LLM 做不好的难任务。被 HF Open LLM Leaderboard v2 采用。

构建方式与示例

23 个任务类型：逻辑推演、日期理解、因果推理等。例如：“如果 A 比 B 高，B 比 C 高，C 比 D 矮。谁最高？“

关联基准与展望

关联：MMLU-Pro、DROP。部分任务区分度在下降。