能力评测

会用基准和人工评测，能量出模型哪里强、哪里弱，不被刷榜骗。

学习流程

• 常见基准
• 评测框架
• 人工和模型评审
• 数据污染
• 给模型出评测报告

去哪学

• lm-evaluation-harness 项目 · 免费