zh 中文 ✓ en English

🏷️ 标签

#Benchmark

共找到 2 条相关内容： 1 篇学习路径 1 篇论文

📚 学习路径

LLM 评估：从 MMLU 到真实业务

怎么知道你的 LLM 应用"好不好"？这一篇讲学术 benchmark + 工程评估的完整工具栈。

📑 论文精读

TruthfulQA: Measuring How Models Mimic Human Falsehoods

一个测 LLM "是否真实"的 benchmark。第一次系统揭示：模型越大，反而在某些常见误区上越错。

← 回到所有标签