C-Eval 是面向中文基础模型的评估套件，涵盖 52 个学科、13948 道题目，是国内大模型评测最常引用的中文基准。本文介绍它的构成、榜单与中文评测的要点。
学习内容
配套工具：C-Eval C-Eval提供全面的中文基础模型评估套件。C-Eval 是一个全面的中文基础模型评估套件，被公认为中文大模型评测的代表性基准。它包含 52 个学科、13948 道题目，覆盖人文、社科、理工、数学、医学、法律等领域，是衡量大模型中文知识水平最重要的「中文考试」。国内主流大模型发布时，几乎都会公布 C-Eval 分数。
通用基准（如 MMLU）以英文为主，无法充分反映模型的中文能力：
C-Eval 从中文出题出发，成为衡量「模型懂不懂中文」的关键标尺。
多参考几个中文基准，结论更可靠。
Q：C-Eval 满分多少？
A：正确率计分，越高越好；头部模型已稳定超过 90%。
Q：英文模型要测 C-Eval 吗？
A：如果面向中文用户，必须参考 C-Eval 等中文基准，否则无法判断中文体验。
Q：C-Eval 和 CMMLU 选哪个看？
A：两者都是中文多学科基准，建议都看并对照，覆盖更全面。
C-Eval 是衡量大模型中文能力的「度量衡」：52 个学科、上万道题，让中文水平从感觉变成分数。选中文模型时，把 C-Eval 与 CMMLU、SuperCLUE 等基准结合着看，才不会踩「英文强、中文弱」的坑。
延伸阅读：本站 AI 百科「大模型评测基准」；教程「MMLU 是什么」。
继续学习
AGI（通用人工智能）是所有 AI 公司的终极目标。本文讲清 AGI 与当前 AI 的区别、发展阶段与争议。
微调让通用大模型适配特定业务。本文讲清微调原理、方法与 RAG 的取舍。
NotebookLM 是谷歌推出的 AI 笔记助手，能把你的私有文档变成可交互的知识库，还能一键生成对话式播客。本文从创建笔记本、上传资料、提问与生成音频概览四个步骤，带你快速上手。
RAG（检索增强生成）解决大模型知识过时与幻觉问题。本文讲清原理、流程和适用场景。
temperature（温度）与 top-p 是控制 AI 输出随机性与多样性的两个核心参数。本文用通俗例子讲清原理，并给出不同场景的调参建议。
Writer Detector 是 Writer 出品的免费 AI 文本检测工具，用于识别一段文字是否由 AI 生成。本文介绍它的使用方法、判定逻辑与适用场景。
