عادة ما يتم تقييم LLMs باستخدام المقاييس التلقائية على مجموعات الاختبار القياسية ، ولكن يتم تطوير المقاييس + مجموعات الاختبار بشكل مستقل. يثير هذا سؤالا حاسما: هل يمكننا تصميم مقاييس تلقائية على وجه التحديد للتفوق في مجموعات الاختبار التي نعطيها الأولوية؟ إجابة: نعم!