研究与基准测试/2026-10-12/6 分钟单次最多 10 个模型：华为云把自动评测拆成规则和裁判华为云 ModelArts《创建评测任务》更新于 2026-10-12。只评文本生成。规则评测用 F1、准确率、BLEU、ROUGE；裁判模型可以打分或比 win/lose/tie。自定义 jsonl 不超过 10 MB、1000 条。一次最多 10 个模型。
