一、模型测评的意义
二、如何对模型进行测评
三、OpenCompass 评测流水线设计
四、大模型评测带来的挑战
五、OpenCompass 评测示例
1.多模态
优势:
1.基于感知与推理,将评估维度逐级细分
2.约3000 道单选题,覆盖目标检测,文本识别,动作识别,图像理解,关系推理等20个细粒度评估维度
2.法律
优势:
1.三级认知维度(法律知识理解,法律知识记忆,法律知识应用)
2.20个法律任务,10000到测评问题,覆盖多领域NLP 任务
3.医学
优势:
1.多来源基准评估维度
2.基于医学知识问答,医学语言生成,复杂医学推理,医学语言理解,医疗安全与伦理,9个公开数据集,11个自建数据集