LLM Ass Bench
摘要
LLM Ass Bench 是一个用于评估大型语言模型的基准测试工具，专注于提示词。
暂无内容
查看缓存全文
缓存时间: 2026/09/22 21:53
# LLM AssBench
来源：https://www.assbench.com/
提示 (https://www.assbench.com/PROMPT.md)
**提示**
相似文章
LLM基准测试
一项关于大语言模型基准测试的研究或报告，可能比较了各种任务上的表现。
OmniAssistBench: 针对全能大语言模型的助理式交互基准测试
OmniAssistBench 是一个用于评估作为实时视频助理的全能大语言模型的基准测试，揭示当前模型在视觉提示、上下文保持和及时响应方面存在困难。
DLawBench：通过多轮法律咨询评估大语言模型
DLawBench是一个新的基准测试，用于评估大语言模型在多轮法律咨询中的表现，涵盖中国和美国法律，包含四种客户类型。实验表明仍有很大改进空间，最佳模型在法律推理上仅达到0.562。
Magis-Bench: Evaluating LLMs on Magistrate-Level Legal Tasks
This article introduces Magis-Bench, a benchmark for evaluating large language models on magistrate-level legal tasks such as judicial reasoning and sentence drafting, using data from Brazilian judicial exams.
BenchMIRT：LLM 基准测试实际在测量什么？
BenchMIRT 介绍了一种方法，使用多维项目反应理论在单个提示词级别审计 LLM 基准测试，分离安全性和一般推理等底层能力，以揭示基准测试实际测量的内容。