骰子的抉择：语言模型评估的多维冒险

🌱 序章：一场评测的革命

在人工智能的世界里，语言模型（LMs）如同一群才华横溢但性格各异的冒险者，闯入了医疗、教育、法律、金融、甚至人力资源等各个领域。它们被赋予了“理解人类语言”的魔法，却也面临着一个古老而棘手的问题：我们到底该如何评判它们的能力？

长期以来，业界习惯用一套“标准化试卷”——也就是基准测试（benchmark），来打分。但随着这些模型越来越聪明，基准测试的魔力逐渐失效：分数越来越高，差异越来越小，甚至有的模型早已把考题背得滚瓜烂熟。更糟糕的是，这些试卷往往和现实世界的需求南辕北辙。于是，DICE 框架横空出世，誓要打破一刀切的评测迷思，让每个模型都能在属于自己的舞台上大放异彩。

---

🏛️ 基准测试的王国与裂痕

2.1 现代基准测试的盛世

想象一下，语言模型们在一座巨大的竞技场里，轮番参加各种比赛：有的比拼事实知识（如 GLUE、MMLU），有的考验推理能力（MATH、GSM8K