第 23 课共 24 课 · 4 格漫画 · 课后一题
怎么比较模型
Qwen讲解
GLM提问
一句话考试分数有用，但只是一个侧面。
比较模型最常用的办法是基准测试：一套固定的题目，比如数学题、编程题、常识问答，看谁答对得多。
另一种是让真人盲评：同一个问题给两个匿名模型回答，投票选更好的那个，累积成排行榜。
分数要看清考的是什么。擅长写代码的不一定擅长中文写作，题目要是被模型训练时见过，分数也会虚高。
本站的模型榜单把几项公开评测放在一张雷达图里，每个分数都标了来源和日期，没有成绩的写“缺”，不估算。