技术
大模型评估
系统衡量大语言模型能力、可靠性与风险的一整套基准、指标与方法。
详细解释
随着模型规模增长，评估从单一困惑度扩展到知识问答、推理、代码、多语言、长文本等维度，形式包括静态基准、人类偏好对比、LLM 作为评委以及动态对抗测试。评估需关注数据污染、饱和与偏差问题，是模型选型、迭代优化与安全上线的重要依据。
别名与相关写法
大模型评估
系统衡量大语言模型能力、可靠性与风险的一整套基准、指标与方法。
随着模型规模增长，评估从单一困惑度扩展到知识问答、推理、代码、多语言、长文本等维度，形式包括静态基准、人类偏好对比、LLM 作为评委以及动态对抗测试。评估需关注数据污染、饱和与偏差问题，是模型选型、迭代优化与安全上线的重要依据。