大模型AGIEval测试指标

AGIEval是专门针对大型语言模型进行学术与通用智力水平评估的标准测试集，它通过模拟人类大学生入学考试、法律职业资格考试等真实场景，量化模型在逻辑推理、数学计算及文本理解等核心认知能力上的表现，是目前衡量大模型“智商”的关键标尺之一，AGIEval评测的核心定义与背景大模型发展初期，评测往往局限于简单的常识问……