HELM全称Holistic Evaluation of Language Models（语言模型整体评估）是斯坦福大学推出的大模型评测体系，评测方法主要包括场景、适配、指标三大模块，每次评测的运行都需要指定一个场景，一个适配模型的提示，以及一个或多个指标。它评测主要覆盖的是英语，通过准确率、不确定性/校准、鲁棒性、公平性、偏差、毒性、推断效率综合评测模型表现，适用问答、信息检索、文本分类等任务，...详情>>
HELM全称Holistic Evaluation of Language Models（语言模型整体评估）
作者 | Ray Elenteny译者 | 冬雨策划 | 褚杏娟 当提到 Helm 时，我们常常会做这样的类比：Helm 之于 Kubernetes，就像 apt 之基于 debian 的系统，yum
