评测方式: 客观评测:针对具有标准答案的客观问题,通过使用定量指标比较模型的输出与标准答案的差异,并根据结果衡量模型的性能。 主观评测(人类评价价/模型评测):借助受试者的主观判断对具有对话能力的大语言模型进行能力评测。 任务切分并行计算 主要逻辑: partitioners对数据、模型进行切片划分成单个任务tasks,每个task在runners进行执行,具体执行的逻辑体现在openicl,最后在summarlzers进行总结评分。 作业: