#效用评估

UtilityBench：当错误代价不同，语言模型评估如何破局？

介绍 UtilityBench 基准和 UtilityAUC 指标，一种考虑错误代价差异的语言模型效用评估新范式，揭示准确率高不等于效用高的关键发现。