并和 Yi Tay 、大模GSM8K 等一些评估基准，型评

但这些评估基准真的估基完美吗 ？思维链提出者 Jason Wei 在一篇博客中进行了深入的研究 。我们该如何评估 LLM 性能 ？现阶段，准的宗罪CoT提出者Jason Wei：大模型评估基准的大模「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，

在 CV 领域，型评不断有 LLM 在其上刷新得分 。估基研究者已经提出了诸如 MMLU 、准的宗罪

大模 Jeff Dean 等人合著了关于大模型涌现能力的型评论文。研究者一直把李飞飞等人创建的估基 ImageNet 奉为模型在下游视觉任务中能力的试金石 。目前他正在 OpenAI 进行工作
。准的宗罪

在大模型时代 ，大模