本文追溯了大语言模型（LLM）评估的历史轨迹，强调了对统一评估体系的迫切需求，呼吁人工智能社区共同解决LLM评估的挑战。

研究发现，基于对话的语言模型ChatGPT中的亵渎问题会因为分配假想人物角色而增加，存在歧视性偏见。研究呼吁人工智能社区重新思考安全防护措施，开发更好的技术，实现强大、安全和值信赖任的AI系统。

本文追溯了大语言模型评估的历史轨迹，强调了对统一评估体系的迫切需求。作者主张在评估方法上进行定性转变，呼吁人工智能社区共同解决大语言模型评估的挑战。