CulturalRiddles: 一个涵盖62种文化的谜语基准测试

Hugging Face 发布 CulturalRiddles，一个由人类通过社区协作创建的涵盖 62 种文化（45 个国家、51 种语言）的谜语基准测试。该基准测试要求模型具备归纳推理、组合推理、详细事实与社会知识、语言技能及文化特定关联的理解能力。28 个大语言模型配置在部分文化社区中的准确率最高仅为 22%，且所有工具与数据已公开，支持进一步扩展语言与文化覆盖。