#评估基准

LLM 通用评估：怎么给 AI 打分

深挖-RAG评估 讲了怎么评估检索系统。但怎么评估 AI 本身？市面上那么多模型（GPT-5.5、Claude Opus 4.8、Gemini 3.5 Pro、Llama 4.1），谁知道谁更好？这篇讲三种主流的评估方法。