现在大模型这么火，比如chatgpt、百度文心一言、阿里的、讯飞的，等等。我现在的问题是，一个大模型做出来用了，怎么测试他的好坏？chatgpt也不会做三位数的乘法，会出“林黛玉倒拔垂杨柳”的笑话，可是不影响他的出名。我们这些后来者，该如何测试大模型的好坏呢？谢谢
--
FROM 120.242.240.*