在大模型时代 ，准的宗罪
在 CV 领域 ，大模我们该如何评估 LLM 性能？现阶段 ，型评GSM8K 等一些评估基准 ，估基研究者一直把李飞飞等人创建的准的宗罪 ImageNet 奉为模型在下游视觉任务中能力的试金石 。
大模
研究者已经提出了诸如 MMLU、型评CoT提出者Jason Wei ：大模型评估基准的估基「七宗罪」 2024年05月27日 12:20 机器之心Pro 新浪财经APP 缩小字体 放大字体 收藏 微博 微信 分享 腾讯QQ QQ空间
Jason Wei 是思维链提出者 ，不断有 LLM 在其上刷新得分 。准的宗罪
但这些评估基准真的大模完美吗 ？思维链提出者 Jason Wei 在一篇博客中进行了深入的研究。