Feb, 2025

基准评估大型语言模型的固有限制

TL;DR本研究针对大型语言模型 (LLM) 在语言、知识和推理基准上表现出色,但其基准性能并不能代表通用认知能力的观点进行了挑战。作者提出现有基准的固有限制和评估方法的不足表明,LLM 在许多任务上并未具备强大的能力,因此建议不应将基准性能作为评价 LLM 认知能力的可靠指标。