mmlu2 版本

MMLU2版本是机器学习评估基准MMLU（Massive Multitask Language Understanding）的升级版，专注于更全面、精准地测评语言模型的多任务理解能力。相比初版，MMLU2扩展了学科范围和题目数量，涵盖STEM、人文、社科等更广泛的领域，并优化了题目难度分布与数据质量。其核心目标是提供更可靠的评估框架，以检验模型在跨学科知识、复杂推理及真实场景应用中的表现。该版本还改进了评估协议，减少偏差，增强结果可比性，助力研究者精准定位模型优势与不足，推动AI系统通用能力的持续进步。