语言模型评估方法面临哪些挑战：一项跨越四十年的综述

一项跨越四十年的范围综述梳理出语言模型评估方法中反复出现的 22 类问题，并构建了相应分类体系。研究发现，部分问题在文献中已变得不再显眼，且许多问题未被机构检查清单明确覆盖。该工作为研究社区重新审视评估方法、开展领域级干预提供了目标。