Словарь
HellaSwag
Бенчмарк на здравый смысл: по началу описания бытовой ситуации модель должна выбрать самое правдоподобное продолжение из четырёх вариантов. Неверные варианты подобраны методом состязательной фильтрации, поэтому люди решают задания почти безошибочно, а для моделей они долго оставались трудными. Примеры взяты из видеоописаний ActivityNet и инструкций WikiHow.