首页
学习
活动
专区
圈层
工具
发布
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

作者头像
用户12886942
发布于 2026-11-21 19:14:13
发布于 2026-11-21 19:14:13
110
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。

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