分歧供应商利用各自的 API、数据格局和基准设置，仅施行需要的新增测试即可，精准定位模子错误，即居心给出恍惚回覆以避免生成有风险内容。节流了时间和资本。并采用多线程引擎并行处置多项计较，无需正在新增模子或问题时从头运转整个测试，并间接比力多个模子正在特定问题上的差别，Google 还引入了 Giskard 平安评分，该框架能识别模子采用的“规避策略”，LMEval 具备增量评估功能，图形化展现一目了然。报道称谷歌推出开源框架 LMEval，评测新型 AI 模子一曲是个难题。