该文综述大语言模型在语义相似度与文本生成评估中的应用：生成式模型在特定领域STS任务中优于编码器模型；LLMScore、INSTRUCTSCORE等实现可解释、多层次的自动评估，与人类判断相关性更高；LLMBar等元评估基准揭示评估器差异，并提出提示策略缩小与人类差距；MSTemp通过元语义模板检测数据污染，降低模型性能。