美团用"一条指令当基准"测大模型九条任务、九个模型,排名换一条就变

美团这套大模型评测方案,核心是采用一条指令作为基准的评测方式,一共设置九条任务、挑选九个主流大模型参与对比,这套评测和传统固定数据