一、大模型评估为何需要人工指标？ 在大模型研发与应用中，自动化指标（如BLEU、ROUGE）虽能快速量化模型输出，但存在明显局限性：自动化指标往往聚焦于表面特征（如词重叠率），难以捕捉语义深度、逻辑合理性及领……
