當(dāng)前，大模型正引領(lǐng)著新一輪技術(shù)革命，大模型的全方位測(cè)評(píng)對(duì)于開發(fā)驗(yàn)證、產(chǎn)品選型和能力提升都至關(guān)重要。但是，已有大模型基準(zhǔn)測(cè)試以評(píng)估模型通用能力為主，存在評(píng)測(cè)方法不統(tǒng)一、評(píng)測(cè)方式單一、距離實(shí)際應(yīng)用較遠(yuǎn)等問題。因此，亟需建立一套面向產(chǎn)業(yè)應(yīng)用的大模型基準(zhǔn)測(cè)試體系，搭建全量測(cè)試題庫(kù)、自動(dòng)測(cè)試平臺(tái)和高效測(cè)試方法，滿足大模型能力持續(xù)監(jiān)測(cè)和能力迭代的要求。

2023年12月24日，中國(guó)信息通信研究院(簡(jiǎn)稱“中國(guó)信通院”)發(fā)布“方升”大模型評(píng)測(cè)體系，旨在建立業(yè)界大模型基準(zhǔn)測(cè)試統(tǒng)一的“度量衡”。“方升”測(cè)試體系涵蓋大模型基準(zhǔn)測(cè)試的關(guān)鍵四要素，即測(cè)試指標(biāo)、測(cè)試方法、測(cè)試數(shù)據(jù)集和測(cè)試工具，目前已形成《大規(guī)模預(yù)訓(xùn)練模型基準(zhǔn)測(cè)試-總體技術(shù)要求》標(biāo)準(zhǔn)。

大模型基準(zhǔn)測(cè)試體系“方升”

測(cè)試指標(biāo)方面，“方升”測(cè)試體系主要針對(duì)行業(yè)、應(yīng)用、通用和安全四個(gè)維度對(duì)大模型進(jìn)行全面、客觀、統(tǒng)一的評(píng)估，為了加速大模型應(yīng)用落地，重點(diǎn)強(qiáng)化了行業(yè)和應(yīng)用導(dǎo)向能力的考查。

在測(cè)試方法方面，“方升”測(cè)試體系創(chuàng)新性提出自適應(yīng)動(dòng)態(tài)測(cè)試方法，從測(cè)試數(shù)據(jù)標(biāo)簽化、測(cè)試題庫(kù)實(shí)時(shí)化、測(cè)試方案定制化、測(cè)試流程自動(dòng)化四個(gè)方面全面提升大模型基準(zhǔn)測(cè)試質(zhì)量，重點(diǎn)解決大模型“刷榜”問題。

測(cè)試數(shù)據(jù)方面，“方升”測(cè)試體系搭建動(dòng)態(tài)測(cè)試數(shù)據(jù)庫(kù)，涵蓋測(cè)試數(shù)據(jù)集107個(gè)，測(cè)試數(shù)據(jù)條數(shù)達(dá)到123萬，聯(lián)合產(chǎn)業(yè)界多家機(jī)構(gòu)首次推出面向行業(yè)、通用、應(yīng)用、安全領(lǐng)域的評(píng)測(cè)數(shù)據(jù)集6個(gè)。

測(cè)試框架與工具方面，中國(guó)信通院在構(gòu)建超自動(dòng)化測(cè)試平臺(tái)和智能化結(jié)果評(píng)估系統(tǒng)方面持續(xù)發(fā)力，探索解決國(guó)內(nèi)外人工智能自動(dòng)化測(cè)試流程中存在的“阻塞點(diǎn)”，全面提高測(cè)試效率。

“方升”大模型基準(zhǔn)測(cè)試體系由中國(guó)信通院聯(lián)合北京智源研究院、認(rèn)知智能全國(guó)重點(diǎn)實(shí)驗(yàn)室和天津大學(xué)共同發(fā)布。此外，國(guó)網(wǎng)智能電網(wǎng)研究院、首都之窗、天津大學(xué)、中國(guó)電信研究院、中國(guó)聯(lián)通軟件研究院、華為、甲骨易、海天瑞聲、東方財(cái)富9家單位成為“方升”大模型基準(zhǔn)測(cè)試首批合作伙伴。

大模型基準(zhǔn)測(cè)試不僅是大模型應(yīng)用開發(fā)的終點(diǎn)，更是驅(qū)動(dòng)大模型能力提升的起點(diǎn)。中國(guó)信通院誠(chéng)邀產(chǎn)學(xué)研用各方加入“方升”大模型基準(zhǔn)測(cè)試體系，共同探索人工智能評(píng)測(cè)創(chuàng)新發(fā)展之路，建設(shè)科學(xué)、客觀、中立的人工智能評(píng)測(cè)基準(zhǔn)，為全面提升中國(guó)人工智能評(píng)測(cè)水平貢獻(xiàn)力量!

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）