3C3H基准发布：重新定义LLM评估

Hugging Face 发布 3C3H 基准与排行榜，旨在重新思考大语言模型（LLM）的评估方式。该基准从三个维度（C：能力、一致性、成本；H：有害性、幻觉、帮助性）全面衡量模型表现，覆盖多语言、多任务场景，并引入动态测试集以防止过拟合。首批榜单包含多个开源与闭源模型，评估结果揭示了不同模型在实用性与安全性上的权衡。该基准为开发者提供了更贴近实际应用的模型选择参考。