HellaSwag：考验模型常识推理的评测基准

HellaSwag 要求模型为叙事选出最合理的续写，其干扰项经过生成与筛选，具有极强的迷惑性。该数据集取材于教学与视频描述语料，模型需具备物理常识和日常行为序列知识才能答对。它按设计可抵御早期模型依赖的浅层启发式，是常识推理与对抗性干扰项鲁棒性的常用探针。