LLMEval3 由复旦大学NLP实验室推出的大模型评测基准

LLMEval是由复旦大学NLP实验室推出的大模型评测基准，最新的LLMEval-3聚焦于专业知识能力评测，涵盖哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学、管理学、艺术学等教育部划定的13个学科门类、50余个二级学科，共计约20W道标准生成式问答题目。

自2022年以来，随着大模型技术的飞速发展，如何有效评估大模型的能力已成为一项关键的研究课题。为应对这一科学挑战，复旦大学NLP实验室启动了LLMEval大模型评测系列研究项目，旨在系统研究和优化大模型的评估方法，深入探索模型在不同场景下的表现，并从可解释性的角度分析评测结果。自项目启动以来，LLMEval已累计收集了近百万条评测数据，为大模型的评估与优化提供了宝贵的资源和实证分析。目前，LLMEval系列已顺利完成了前三期项目：

LLMEval-1专注于大模型的生成能力评测。项目涵盖了17个大类、453个问题，全面考察了大模型在事实性问答、阅读理解、编程等多个领域的表现。评测指标包括正确性、流畅性、信息量、逻辑性和无害性，评估方法多样，如分项评测和GPT-4自动评测。

LLMEval-2在LLMEval-1的基础上，进一步聚焦于专业领域的评测。该阶段针对用户在日常学习和生活中遇到的专业问题，特别是本科生和研究生的学术需求，设计了更为专业化的评测题目。LLMEval-2旨在弥补通用评测在反映模型知识覆盖率方面的不足，重点评估大模型在专业领域的实用性。

LLMEval-1和LLMEval-2的相关研究论文已被AAAI2024收录，详情请参阅 Zhang et al., 2024

LLMEval-3聚焦于专业知识能力评测，涵盖哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学、管理学、艺术学等教育部划定的13个学科门类、50余个二级学科，共计约20W道标准生成式问答题目。后续我们将继续收集题目将总题库扩充至100W。

[超站]友情链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
关注数据与安全，洞悉企业级服务市场：https://www.ijiandao.com/