#BLEU

Part 2 — 如何衡量 AI 的準確度（二）：大型語言模型（LLM）的評估方法

LLM 的輸出沒有唯一標準答案，該怎麼客觀評估？本文介紹 BLEU、ROUGE、Perplexity、BERTScore 及 LLM-as-a-Judge 等方法，幫助你從多個維度評估語言模型的真實能力。