语言模型基准AI工具用标准任务量语言模型能力,研究和采购拿它选型,它做任务、打分和对比,也接维度,用户靠它不盲。
斯坦福推出的语言模型全面评测套件,覆盖能力、多模态、安全等方向,用统一基准横向比较各家大模型。