大模型综合本领评测框架

在 2023 年的 “百模大战” 中，众多实践者推出了各类模型，这些模型有的是原创的，有的是针对开源模型从事微调的；有些是通用的，有些则是行业特定的。如何能合理地评价这些模型的本领，成为关键问题。尽管国际外存在多个模型本领评测榜单，但它们的质量参差不齐，排名差异显著，这主要是因为评测数据和尝试方法尚不成熟和科学，而好的评测方法应当具备开放性、动态性、科学性和权威性。为提供客观、科学的评测标准，清华…