用户12886942
A Survey of LLM Evaluation Frameworks and Benchmarks |大语言模型评估框架与基准综述
原创
关注作者
腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
用户12886942
社区首页
>
专栏
>
A Survey of LLM Evaluation Frameworks and Benchmarks |大语言模型评估框架与基准综述
A Survey of LLM Evaluation Frameworks and Benchmarks |大语言模型评估框架与基准综述
用户12886942
关注
发布于 2026-11-21 19:14:13
发布于 2026-11-21 19:14:13
11
0
举报
概述
大语言模型(LLM)评估领域的核心矛盾,在于模型能力快速迭代与静态测量工具滞后之间的结构性错位。早期研究以构建大规模静态题库为主,通过覆盖多学科任务建立标准化排名,但这一范式隐含了题目难度固定且无数据污染的假设。随着前沿模型在通用基准上得分趋近饱和,简单平均准确率无法区分具有相同总分但不同错误模式的模型,评估的区分度与可信度同时失效。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系
cloudcommunity@tencent.com
删除。
LLM
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档