逐九:为大型语言模型提供的多维多面的中文基准测试

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

我们开发了Xiezhi评估套件,包含220,000个多项选择题,用于评估47个大型语言模型。结果显示,这些模型在科学、工程、农学、医学和艺术领域的表现超过了人类平均水平,但在经济学、法学、教育学、文学、历史和管理学方面表现不佳。

🏷️

标签

➡️

继续阅读