项目地址:GitHub - InternLM/tutoriald
第六节课视频地址:OpenCompass 大模型评测_哔哩哔哩_bilibili
为什么需要评测?
了解不同模型在各类应用场景下的表现,并指导模型进行优化提升。
需要评测什么?
文本生成,知识,推理,安全等等
怎样评测?
根据模型分类:基座模型,对话模型
根据评测方式:客观评测、主观评测
客观评测:做选择题
主观评测:由人工或者表现优异的模型来评价
提示词工程评测:同一个问题换不同的问法,看模型的回答是否一致
主流大模型评测框架
OpenCompass 能力框架
OpenCompass平台架构
分为模型层、能力层、方法层和工具曾
OpenCompass 评测流水线设计
支持开源模型、自定义模型以及超过100+数据集
大模型评测领域的挑战
· 数据污染:测试集混入训练集
· 缺少中文评测集
· 人工测试成本高昂