北大、西湖大学等开源「裁判大模型」PandaLM：三行代码全自动评估LLM，准确率达ChatGPT的94%

新智元报道编辑：LRS 大模型谁强谁弱，用 PandaLM 比一比就知道了！ ChatGPT 发布后，自然语言处理领域的生态彻底发生了变化，很多之前无法完成的问题都可以利用 ChatGPT 解决。不过也带来了一个问题：大模型的性能都太强了，光靠肉眼很难评估各个模型的差异。比如用不同的基座模型和