准确率要高

87.8%准确率赶超GPT-4o登顶！谷歌DeepMind发布自动评估模型FLAMe 大语言模型都卷起来了，模型越做越大，token越来越多，输出越来越长。那么问题来了，如何有效地评估大语言模型的长篇大论呢？要是输出长...