最近llm更新迭代比较快，个人还是认为只有针对不同的任务设计不同的测试case，才能验证出符合自己业务场景的大模型，但我对这方面经验不是很足，很多时候模型的选择都是参考论坛里面其他佬的经验，日常就是做一些编程工作，各位佬们在这方面有什么经验和建议吗？怎么设计好用的测试case，或者有哪些被广泛验证的case，可以比较好的验证模型的能力，欢迎佬们踊跃讨论！！！