首页
›
实战100例
›
015-RAG与AI Agent应用开发实战
›
《大模型Benchmark评测实战100例》
VIP16
本课程属于：015-RAG与AI Agent应用开发实战
实战100例 · 共 16 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《大模型Benchmark评测实战100例》
共 100 例
01
构建第一个基础问答评测集
02
实现精确匹配与包含匹配评测
03
基于Rouge-L的摘要评测
04
基于BLEU的机器翻译评测
05
困惑度评测语言模型
06
多选题评测集构建与评测
07
判断题评测集构建与评测
08
完形填空评测集构建与评测
09
文本分类评测集构建与评测
10
命名实体识别评测
11
关系抽取评测
12
事件抽取评测
13
指代消解评测
14
语义相似度评测
15
文本蕴含评测
16
常识推理评测
17
数学应用题评测
18
代码生成评测
19
代码补全评测
20
SQL生成评测
21
逻辑推理评测
22
因果推理评测
23
空间推理评测
24
时间推理评测
25
多跳推理评测
26
开放域问答评测
27
知识图谱问答评测
28
长文本理解评测
29
对话状态跟踪评测
30
对话生成质量评测
31
情感分析鲁棒性评测
32
偏见评测
33
毒性检测评测
34
事实一致性评测
35
幻觉检测评测
36
鲁棒性评测：同义词替换
37
鲁棒性评测：错别字扰动
38
鲁棒性评测：标点扰动
39
鲁棒性评测：随机删除词
40
鲁棒性评测：词序打乱
41
跨语言评测
42
多模态评测：图文匹配
43
多模态评测：视觉问答
44
多模态评测：图像描述
45
多模态评测：视觉蕴含
46
多模态评测：视觉推理
47
多模态评测：视觉问答鲁棒性
48
指令遵循评测
49
工具使用评测
50
代码执行评测
51
数学推理链评测
52
逻辑谜题评测
53
反事实推理评测
54
类比推理评测
55
隐喻理解评测
56
讽刺检测评测
57
幽默理解评测
58
情感原因抽取评测
59
立场检测评测
60
论证挖掘评测
61
对话情感识别评测
62
多轮对话评测
63
个性化对话评测
64
知识驱动对话评测
65
摘要事实性评测
66
摘要忠实度评测
67
文本简化评测
68
文本风格转换评测
69
语法纠错评测
70
拼写纠错评测
71
文本蕴含对抗评测
72
问答鲁棒性评测
73
阅读理解评测
74
抽取式摘要评测
75
生成式摘要评测
76
关键词提取评测
77
文本纠错评测
78
文本蕴含生成评测
79
反事实生成评测
80
故事生成评测
81
诗歌生成评测
82
广告文案生成评测
83
新闻标题生成评测
84
邮件回复生成评测
85
客服对话生成评测
86
教育问答评测
87
法律文本理解评测
88
医疗问答评测
89
金融情感分析评测
90
科学推理评测
91
社会常识推理评测
92
心理推理评测
93
伦理道德评测
94
安全评测：提示注入
95
安全评测：越狱攻击
96
隐私泄露评测
97
模型校准评测
98
模型不确定性评测
99
少样本学习评测
100
零样本学习评测
所属VIP或分类
同VIP：Agent工程师实战100例
同VIP：Agent智能体开发实战100例
同VIP：AI-Agent-Harness开发实战100例