为什么重要
COPA 是因果推理领域最经典的基准，测试模型能否选择正确的原因或结果。虽然规模小，但它是 SuperGLUE 的核心任务之一，长期作为常识推理的标准测试。
构建方式
- 人工编写因果关系前提
- 每个前提配两个候选（原因或结果），需选出更合理的一个
- 500 道问原因，500 道问结果
任务示例
前提：“The man broke his toe.” 问题：“What was the CAUSE of this?” 选项：A) He got his foot caught in the door. B) He dropped a hammer on his foot.
关键发现
- 前沿模型已完全饱和（>99%）
- 曾是 NLU 时代的重要区分基准
- SuperGLUE 中最先被”解决”的任务之一
关联基准
- HellaSwag：常识推理
- PIQA：物理直觉推理
- WinoGrande：指代消解
不足与展望
- 规模极小（1K），统计不稳定
- 已完全饱和，失去区分能力
- 二选一格式过于简单