一篇发表于 2025 年 12 月 ACL 的论文介绍了 DharmaBench：它用于评估语言模型处理梵文和古典藏文佛教文本的能力。作者描述了 13 项分类与识别任务：梵文六项、藏文 7 项，其中四类任务在两种语言中共有。它让一组边界清楚的文献与文本问题能够被测量，而不是把佛教传统变成泛化的提示词材料。 [1]
实际价值在于可核查性。公开代码库提供任务数据、标注说明和评估代码，数据集发布也让读者能够从另一条路径查看包含了什么。因此，读者可以把报告的分数与任务定义、示例和数据划分一起阅读，而不是把它当作模型给出的无法解释的裁决。作者还说明：数据集依 CC BY 4.0 发布，代码依 Apache-2.0 发布；再利用前仍应核对适用条款。 [1] [2] [3]
边界同样重要。DharmaBench 上的结果并不证明系统理解佛教、能够裁定文献异文，或能在所有语境中可靠翻译。它衡量的是模型相对于项目作者定义的标签和任务的表现；解释与责任仍是人的工作。 [1] [2]