本研究探讨了大型语言模型（LLM）评估中的单一正确响应假设，指出在任务模糊或歧义时可能存在多种正确答案。提出的框架分析了任务规范、人工评分与LLM响应之间的关系，实验结果表明传统评估方法可能低估LLM的真实表现，为评估方法提供了新视角。