boolq_helm

boolq_helm 是 HELM（Holistic Evaluation of Language Models）框架中专为模型评估而封装的一份 BoolQ 子集。它保留了 BoolQ 的全部核心特征——每例由“真实 Google 搜索问题 + 维基百科段落 + 是/否标签”组成，共 15 K 余条，考验模型在跨句推理、常识推断等方面的能力。在 HELM 中，该子集被标准化为统一的输入输出格式，方便对不同语言模型进行公平、可复现的问答性能测评。