焊接大语言模型的评价方法

【主要技术内容】 本文件规定了焊接大语言模型（welding large language model，Weld LLM）的评价原则、评价维度与指标体系、数据集构建方法、评测流程、评分与等级划分方法、检验记录要求，并提供了评价报告格式。 本文件适用于以自然语言处理为核心的焊接大语言模型的评价，包括通用型大语言模型在焊接领域的能力评估，以及面向焊接领域开发的专用大语言模型性能测试与验证。 本文件不适用于对非自然语言处理类的焊接人工智能系统（如基于规则的专家系统、单纯的图像识别算法）的独立评价，但可为此类系统与 LLM 融合后的整体性能评估提供参考。