某研究團隊希望評估大型語言模型在不同學科領域的整體理解能力，包含法律、醫學、數學與歷史等，並要求模型在未見過的題型中仍能正確推理與作答。下列何者最符合此類評測設計的核心概念？
答案 （B）
核心概念
題幹描述的評測有三個特徵——橫跨多個學科領域（法律、醫學、數學、歷史）、涵蓋不同任務型態、且要求在未見過的題型上仍能推理作答。這正是「多領域、多任務語言理解能力評估」的定義，代表性的基準測試就是 MMLU（Massive Multitask Language Understanding），它涵蓋數十個學科，用來衡量模型知識的廣度與泛化推理能力。
答題技巧
快速判斷技巧：題幹列出多個學科領域，答案就找有「多領域、多任務」的選項。這類評測的代表就是 MMLU，可以與 GSM8K（數學）、C-Eval（中文）對照記憶。
易錯陷阱：本考點在 115-1 科目 2 第 45 題也考過（當時是直接問資料集名稱）。這題改成問「評測設計的核心概念」，其實是同一個知識點的另一種問法。