HELM

HELM全称HolisticEvaluationofLanguageModels（语言模型整体评估）是由斯坦福大学推出的大模型评测体系该评测方法主要包括场景、适配、指标三个模块每次评测的运行都需要指定一个场景一个适配模型的提示以及一个或多个指标。它评测主要覆盖的是英语有7个指标包括准确率、不确定性/校准、鲁棒性、公平性、偏差、毒性、推断效率；任务包括问答、信息检索、摘要、文本分类等。