「LLM评估」相关内容（1篇）

Dolly测评：别被开源光环带跑

Dolly测评最容易踩的坑，不是模型跑不起来，而是拿错场景、用错指标、期待错能力。它适合做开源LLM学习、内网原型和指令微调参考，但别直接幻想成ChatGPT平替。下面按一次真实测评流程，把容易翻车的点拆开讲。