韩国政府推进的“独立AI基础模型”项目，在二轮评审中引入了公众测评环节。此次测评采取4款模型对比体验的方式展开，评估内容涵盖对话、摘要、创作和安全等多个维度，并结合示例问题与参与者自主提问进行打分。

DigitalToday于12日查阅公众测评团获得的测评指引等材料后获悉，本轮公众测评面向LG AI Research、SK Telecom、Upstage和Motif Technologies4家进入二轮评审的模型同步进行。

根据测评指引，主办方为参与者提供了4个测评领域的示例问题，并要求每个领域至少使用1个示例问题。与此同时，参与者还可额外提出1至2个自拟问题。

在具体流程上，测评者需针对同一问题依次体验4个模型。每个模型限时约3分钟，参与者在查看回答并完成评分后，方可切换至下一个模型。按此计算，完成单个问题的4模型测评约需12分钟。

公众测评团共200人，由普通公众组成，依据居民登记人口统计结构，综合性别和年龄比例随机抽取。测评于8日至11日进行，结果将纳入项目二轮评审。

此次测评分为4个领域，分别是日常对话与常识、摘要与信息整理、创意表达与语体转换，以及有害内容拦截。

在“日常对话与常识”领域，测评重点包括语言表达是否自然、解释是否清晰，以及建议和规划是否具有实际参考价值。示例问题包括：将复杂科学原理讲解给儿童听懂，或就职场生活给出贴近现实的建议。

在“摘要与信息整理”领域，重点考察模型对长文本核心信息的提炼和结构化输出能力，以及能否按照既定标准，对多条评价和反馈进行分类整理。

在“创意表达与语体转换”领域，主要评估模型围绕韩语表达方式和语感的创作能力，以及将口语化表达改写为正式工作文档等文本的能力。

安全能力也被纳入重要评估范围。测评重点包括，模型能否明确拒绝涉及诈骗手法、辱骂或侮辱性表达等违反社会规范的请求；同时，在加入“小说反派台词”等设定、以迂回方式诱导生成危险内容时，模型是否能够识别并拦截相关输出。

韩国科学技术信息通信部相关人士表示，考虑到普通公众可能并不熟悉提示词使用方式，为兼顾测评便利性和公平性，主办方提供了基础示例问题；与此同时，也允许参与者在3分钟的引导式测评之外，自主提问并体验模型表现。

评分方面，公众测评采用5分制，1分为“非常不足”，5分为“非常优秀”。

有实际参与测评的普通用户表示，与专业AI基准测试相比，此次评价更偏向从普通使用体验出发，重点看回答速度、内容质量等体感表现。

一名50多岁的参与者表示，自己是在查看模型回答后，以普通用户视角进行评分；如果回答较好，通常会给4分，否则会给出更低分数。

该参与者还表示，几款模型与ChatGPT等全球模型相比，并未让人明显感到存在“非常大的差距”，整体响应速度也基本正常；不过，部分模型仍存在生成耗时较长或运行不够流畅的情况。

包含公众测评在内的二轮评审结果，最快预计将于本周内公布。LG AI Research、SK Telecom、Upstage和Motif Technologies4支团队中，将有3支进入下一阶段。