NOLLI：用于诊断英韩性能差距的难度校准谜题基准

NOLLI是一个可程序生成、可由种子复现的英韩谜题基准，包含15类谜题、25项任务和7,500个样本。研究发现，匹配翻译任务的英韩总体准确率大体等价，但涉及韩文辅音元音字母（jamo）的任务差距更明显；韩文密码任务最高落后68.7个百分点，而同样使用jamo的算术任务没有系统性惩罚。