一.能力评测的作用
二.大语言模型评测的挑战
挑战有全面性，评测成本，数据污染，鲁棒性
三.OpenCompass 2.0司南大模型评测体系开源历程
四.评测大模型
a.客观评测与主观评测
b.长文本评测
五.工具-基准-榜单 三位一体
a.CompassKit:大模型评测全栈工具链
OpenCompass有数据污染检查，更丰富的模型推理接入，长文本能力评测，中英文双语主观评测。
b.OpenComepass评测流水线
六.能力评测的作用
a.能力维度全面升级
b.自研高质量大模型评测基准
c.多层次数学能力评测基准
d.代码解释器能力评测基准
e.大模型细粒度工具能力评测基准
763
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
