img_v3_02fr_9d75bfc9-bb9a-4eac-be99-a89d28334a6g.png

微信图片_20241031204349.png

中关村国家自主创新示范区-会议中心

中国开源年会 2024

马诺-2.jpeg

我们将深入探讨大模型评测的复杂性，拆分为知识容量（Knowledge Capacity）、任务能力（Task Capability）和人类偏好（Human Preference）三个层面，分析传统评测的局限性，并提出动态评测的必要性。我们认为，真正的评测应该源自真实场景，并且需要更多人的参与来构建一个全面评估大型语言模型（LLM）能力的评测环境。

Presentation如何正确的看待大模型的评测