1.缘起目前评测大言语模型关键有两种方法，•经过人类投票来启动评价，比如，ChatbotArena，但是这种往往须要破费较长的期间，•为了降落人类标注的依赖，还有另外一种智能化的LLM基准测试，这种方法老本低、容易裁减，智能化基准测试也成为......