● 评测工具：用于评估模型的整体能力 ● 评测基准：用于评估模型在特定任务方面的能力   评测集名称 核心维度 测试模型的描述 评测类型 MMLU 多模态语言理解 理解文本、图像和音频等多种模态数据之间的关系方面的能力 评测工具 AGIEVAL 通用人工智能 自然语言理解、机器翻译、视觉识别等多种不同任务方面的能力 评测工具 ARC 对话理解 理解对话场景中的意图和信息方面的能力 评测工具 CEval 自然语言推理 理解和推理自然语言中的逻辑关系方面的能力 评测工具 Race 阅读理解 理解文本的语义和结构方面的...