GLUE 벤치마크 편집하기 (부분)

==장점 및 한계==
*장점
**다양한 언어적 과제들로 구성되어 모델의 일반화 능력 평가에 효과적이다.
**쉬운 과제부터 어려운 과제까지 포함되어 기술 발전 및 모델 비교가 가능하다.
**소규모 데이터 과제(task)도 있으므로 데이터 부족 환경에서도 평가됨.

*한계
**최근 일부 모델들은 GLUE에서 매우 높은 성능을 보여 “포화(saturation)” 현상이 나타남.
**영어 중심(English-centric)이며, 다른 언어(multilingual) 지원이 제한됨.
**몇몇 과제는 간단한 어휘(overlap) 특징에 크게 의존하는 바이트(bias)가 존재함.