搜索资源与 AI 名词

检索资源、教程、AI 名词与每日资讯。

返回 AI 词库

基准测试

Benchmark

也称榜单 / 测评基准

用同一套题或任务比较不同模型表现的标准测试

怎么理解

比较模型时,如果给它们完全不同的问题,分数就不好比较。基准测试会约定题目、评分方法和测试条件,像大家参加同一张考卷。

举个例子

想比较两个模型的代码能力,可以让它们完成同一批编程题,再用同样的检查方法看有多少题做对。排行榜上的一些分数就是这样得到的。

补充说明

考卷成绩不等于日常所有任务的表现。选工具时,还应该用你自己的报告、表格或代码试一下,并看速度和费用。