抽题程序

答案抽取正确率达96.88%，xFinder断了大模型「作弊」的小心思 大语言模型（LLM）的迅速发展，引发了关于如何评估其公平性和可靠性的热议。尽管现有的评估框架如 OpenCompass、LM Eval Harne...