各种评测工具呗，各家大模型不是也是用各类评测工具测试的么？看看网上怎么量化比较DS的。
没有完全客观量化的标准，各个工具的打分也不一样。一般也就取个结果平均或怎样的。

【 在 CCS2011 的大作中提到: 】
: 我是甲方，想用客观量化标准去度量
--
FROM 166.111.35.*