BoolQ：二元阅读理解评测基准

BoolQ 由用户真实提问（多来自搜索查询）与相关段落配对组成，模型需判断段落证据是否蕴含“是”或“否”的答案。该任务对细致阅读、否定处理和边界案例校准较为敏感，尽管答案只有二元，高性能仍要求精确理解段落与提问意图。BoolQ 常被用作事实阅读与语言细微差异鲁棒性的紧凑探针。