本研究提出了多种新颖的评判方法，以解决语言模型在语法知识评估中的不足。实验结果表明，概率读出法和基于提示的方法在性能上优于传统方法，展示了大语言模型在语法知识利用方面的优势。建议采用多样化的评估方法来全面评估大语言模型。

大型语言模型在生成文本方面表现优异，但在知识密集型任务中的解释能力仍需提升。研究表明，众包工作者更倾向于基于知识的解释，认为其更实用和全面。为提高解释的可信度，提出了审查预测的两阶段流程。此外，基于提示的方法在提取原因方面优于传统方法，更好地与人类理解对齐。