课程资料来源:书生·浦语大模型实战营
为什么需要评测?
- 模型选型
- 模型能力提升
- 真实应用场景效果评测
我们需要测什么?
- 知识、推理、语言
- 长文本、智能体、多轮对话
- 情感、认知、价值观
怎么样测试大语言模型?
- 自动化客观评测(客观评测,有标准答案)
- 人机交互评测(主观评测,没有标准答案)
- 基于大模型的大模型评测(也是主观评测)
- 提示词工程
主流评价框架
opencompass能力框架
课程资料来源:书生·浦语大模型实战营
为什么需要评测?
我们需要测什么?
怎么样测试大语言模型?
主流评价框架
opencompass能力框架