站内内容与 AI 工具一站式检索。
研究系统梳理2022年1月至2026年8月arXiv上14,767篇LLM评测资源论文，分析评测目标、材料与评分机制变化，发现评测日益强调行动、交互与专业应用，模型参与评分增多，并引发评测独立性的反思。