MLGroupJLU/LLM-eval-survey

The official GitHub page for the survey paper "A Survey on Evaluation of Large Language Models".

它是什么：
一个精选的、持续更新的研究论文和资源集合，关于如何评估大型语言模型（LLM）——即ChatGPT等聊天机器人背后的AI系统。它旨在配合一篇正式的综述论文（链接在README中），并且比论文本身更新更频繁。

它包含什么：
该仓库将论文按类别组织，以回答两个大问题：评估什么和在哪里评估。“什么”部分涵盖自然语言处理（情感分析、推理、翻译、问答）、鲁棒性和偏见、社会科学、医学等领域。每个条目都链接到原始论文。“在哪里”部分列在目录中，但未在README摘录中详细说明。

谁创建的：
一个由来自大学（吉林大学、北京大学、西湖大学等）和微软研究院的研究人员组成的团队。README列出了作者和所属机构。

如何使用：
您可以浏览分类的论文列表，关注新闻更新以获取新版本，甚至可以通过提交拉取请求或问题来贡献。该项目还指向相关工具，如用于鲁棒性测试的PromptBench。

关键点：
它是一个参考中心——而非软件工具——供任何想了解或进行LLM评估的人使用，重点是保持列表的时效性，超越静态的arXiv论文。