一、简介：

语言模型是深度学习基础任务之一，下游任务需要优秀的语言模型支持，语言模型自身的测试和评估是一个重要的研究方向。

二、语言模型的测试与评估标准：

语言模型得到了广泛的应用，如何对它进行测试和评估是非常重要的。不同的模型测试和评估使用的方法和标准也不同。本文从困惑度到智能寻路，阐述常见的通过文本数据对语言模型进行测试和评估的标准和指标。

三、文献综述：

ChatGPT是目前最流行的中文预训练模型，本文以ChatGPT的评估为例，探讨了语言模型在不同的下游任务中的性能表现，包括自然语言处理任务、专业学科能力和其他任务。