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。

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，确保其可靠性、公正性和社会利益。

本文回顾了大语言模型（LLM）评估的历史轨迹，强调了对统一评估体系的迫切需求，并呼吁人工智能社区共同解决LLM评估的挑战，确保其可靠性、公正性和社会利益。

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。