随着大型语言模型（LLMs）的快速发展，关于其安全性和风险的担忧日益增加，这主要源于对其能力和局限性的理解不足。在本教程中，我们的目标是通过呈现全面的LLM评估概述来填补这一空白。首先，我们从“什么”、“哪里”和“如何评估”这三个角度，讨论了LLM评估的最新进展。接着，我们介绍了LLM评估中的几个关键挑战，如数据污染和固定复杂度。基于这些挑战，我们介绍了如何克服这些问题。之后，我们展示了如何在不同的下游任务中评估LLMs，包括自然科学和社会科学，接着是一些流行的代码库和基准测试。我们希望学术界和工业界的研究人员继续努力，使LLMs更加安全、负责任和准确。
https://llm-understand.github.io/
专知便捷查看，访问下面网址或点击最底端“阅读原文”
https://www.zhuanzhi.ai/vip/67f90d9e4d4c4636ce57bc24e9367d52
点击“阅读原文”，查看下载本文
