當(dāng)前，大模型正引領(lǐng)著新一輪技術(shù)革命，大模型的全方位測評對于開發(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)測試以評估模型通用能力為主，存在評測方法不統(tǒng)一、評測方式單一、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)測試體系，搭建全量測試題庫、自動測試平臺和高效測試方法，滿足大模型能力持續(xù)監(jiān)測和能力迭代的要求。
2023年12月24日，中國信息通信研究院(簡稱“中國信通院”)發(fā)布“方升”大模型評測體系，旨在建立業(yè)界大模型基準(zhǔn)測試統(tǒng)一的“度量衡”?！胺缴睖y試體系涵蓋大模型基準(zhǔn)測試的關(guān)鍵四要素，即測試指標(biāo)、測試方法、測試數(shù)據(jù)集和測試工具，目前已形成《大規(guī)模預(yù)訓(xùn)練模型基準(zhǔn)測試-總體技術(shù)要求》標(biāo)準(zhǔn)。
大模型基準(zhǔn)測試體系“方升”
測試指標(biāo)方面，“方升”測試體系主要針對行業(yè)、應(yīng)用、通用和安全四個維度對大模型進(jìn)行全面、客觀、統(tǒng)一的評估，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。
在測試方法方面，“方升”測試體系創(chuàng)新性提出自適應(yīng)動態(tài)測試方法，從測試數(shù)據(jù)標(biāo)簽化、測試題庫實(shí)時化、測試方案定制化、測試流程自動化四個方面全面提升大模型基準(zhǔn)測試質(zhì)量，重點(diǎn)解決大模型“刷榜”問題。
測試數(shù)據(jù)方面，“方升”測試體系搭建動態(tài)測試數(shù)據(jù)庫，涵蓋測試數(shù)據(jù)集107個，測試數(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)域的評測數(shù)據(jù)集6個。
測試框架與工具方面，中國信通院在構(gòu)建超自動化測試平臺和智能化結(jié)果評估系統(tǒng)方面持續(xù)發(fā)力，探索解決國內(nèi)外人工智能自動化測試流程中存在的“阻塞點(diǎn)”，全面提高測試效率。
“方升”大模型基準(zhǔn)測試體系由中國信通院聯(lián)合北京智源研究院、認(rèn)知智能全國重點(diǎn)實(shí)驗(yàn)室和天津大學(xué)共同發(fā)布。此外，國網(wǎng)智能電網(wǎng)研究院、首都之窗、天津大學(xué)、中國電信研究院、中國聯(lián)通軟件研究院、華為、甲骨易、海天瑞聲、東方財富9家單位成為“方升”大模型基準(zhǔn)測試首批合作伙伴。
大模型基準(zhǔn)測試不僅是大模型應(yīng)用開發(fā)的終點(diǎn)，更是驅(qū)動大模型能力提升的起點(diǎn)。中國信通院誠邀產(chǎn)學(xué)研用各方加入“方升”大模型基準(zhǔn)測試體系，共同探索人工智能評測創(chuàng)新發(fā)展之路，建設(shè)科學(xué)、客觀、中立的人工智能評測基準(zhǔn)，為全面提升中國人工智能評測水平貢獻(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，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(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。 ）
