LLM 评估与 Benchmark 深度解析

系统化理解 LLM 评估体系：从 benchmark 设计原理到具体 benchmark 深入剖析， 从量化优化的精度评估方法到模型选型决策。覆盖知识推理、代码、Agent 与 Tool Use 等维度，重点关注 OpenVINO 工具链和小模型评估。

1. 1

   Benchmark 全景与评估方法论

   中级

   #benchmark#evaluation#methodology#llm-as-judge#contamination
2. 2

   知识与推理 Benchmark

   中级

   #benchmark#reasoning#mmlu#gpqa#math
3. 3

   代码 Benchmark

   中级

   #benchmark#code#humaneval#swe-bench#pass-at-k
4. 4

   Agent 与 Tool Use Benchmark

   中级

   #benchmark#agent#function-calling#tool-use#bfcl#gaia
5. 5

   模型发布 Benchmark 标配解析

   中级

   #benchmark#model-release#standard-set#small-models#gemma#phi#qwen
6. 6

   优化对精度的影响

   中级

   #benchmark#quantization#accuracy#perplexity#openvino#lm-eval-harness#llama-cpp
7. 7

   排行榜解读与模型选型

   中级

   #benchmark#leaderboard#model-selection#chatbot-arena#deployment
8. 8

   lm-eval-harness 实操指南

   高级

   #benchmark#lm-eval#evaluation#harness#task-yaml
9. 9

   SWE-bench 实操指南

   高级

   #benchmark#swe-bench#code-evaluation#agent#docker
10. 10

    BFCL 实操指南

    高级

    #benchmark#bfcl#function-calling#tool-use#evaluation