IT 面试题库

如何科学评测大语言模型的效果?困惑度(PPL)、标准基准(MMLU/GSM8K)与人工评估各自的局限是什么?

中级简答题算法工程师机器学习工程师LLM应用开发工程师数据科学家模型评估困惑度MMLU基准测试人工评估

题目

考察点:大模型效果度量的方法论,以及不同评测手段的适用范围与盲区。

参考答案

内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 45 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解

要点:

练这道题

同分类 · 高频题

题目与答案就在本页;收藏、批注和错题重练在应用内

这道题看完了?连刷同类题,趁热打铁效果最好 进入刷题