# 大模型测评指标——困惑度

**URL:** <https://forum.beginner.center/t/topic/2764>\
**Category:** 🛠工具与编程\
**Tags:** 大模型, 困惑度\
**Created:** [2026 年4 月 29 日 06:21 UTC](https://forum.beginner.center/t/topic/2764 "2026-04-29T06:21:57Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

作者： ![doggie](https://forum.beginner.center/user_avatar/forum.beginner.center/doggie/32/550_2.png) [@doggie](https://forum.beginner.center/u/doggie)\
发布日期： [2026 年4 月 29 日 06:21 UTC](https://forum.beginner.center/t/topic/2764/1 "2026-04-29T06:21:57Z")

</div>

## 困惑度

 ![图片](https://discoursecdn.beginner.center/original/2X/5/5fd1aeba4e705eff3727eebbeb79945aa5521d40.jpeg)

 ![图片](https://discoursecdn.beginner.center/original/2X/3/3800ebbac02b179ac254777b06b55cbebab117e8.png)

缺点：只能反应模型输出是否类似于测试文本

## 人工

## 可解析测评集

比如选择题、填空题等，让模型回答，然后计算正确率  
比如MMLU（Massive Multitask Language Understanding）、MMLU-PRO、IF-EVAL、[BBH](https://github.com/suzgunmirac/BIG-Bench-Hard)、MATH、GPQA

## 大模型测评

## 参考

你知道用什么指标评价一个大模型的好坏吗？PPL，MMLU，MATH，GPQA，BBH，IF-EVAL，MMLU-PRO\_哔哩哔哩\_bilibili: [你知道用什么指标评价一个大模型的好坏吗？PPL，MMLU，MATH，GPQA，BBH，IF-EVAL，MMLU-PRO\_哔哩哔哩\_bilibili](https://www.bilibili.com/video/BV1LM4m127wn/)