HELM

HELM（Holistic Evaluation of Language Models）是斯坦福大学推出的大语言模型综合评测体系，围绕场景、适配与指标三大模块构建标准化评估流程。它覆盖问答、信息检索、文本分类、摘要与生成等任务，从准确率、校准、鲁棒性、公平性、偏差、毒性和推断效率等维度衡量模型表现，并支持多模态评估与自定义扩展。HELM 强调可复现性与透明性，帮助研究人员和开发者系统比较模型、定位弱点并优化性能。宝藏内容来自https://x-imagine.com/sites/crfm-stanford-hd.html - 荒岛