本文介绍了针对大型语言模型（LLMs）的评估基准，包括E-EVAL、RoleEval和FinEval，涵盖教育、角色知识和金融领域。研究表明，中文优先模型在教育领域表现优于英文模型，但在数学等复杂科目上仍存在不足。通过这些基准，旨在推动LLMs在各领域的应用与发展。

介绍了中国K-12教育领域的综合评估基准E-EVAL，发现中文优先的模型在多个学科表现良好，但在数学等复杂科目上表现不佳。思维链技术（CoT）对科学学科有效，一键提示对文科学科有益。旨在推动中国K-12教育和LLM的进步与发展。