Human Evaluation(인간 평가)은 대규모 언어 모델 및 추론 분야에서 텍스트 생성 작업의 중요한 평가 지표입니다. 인간 평가자가 생성된 콘텐츠의 일관성, 흥미로움, 합리성을 평가하며, 이는 개방형 서사/시/유머 생성에서 가장 권위 있는 지표로, 자동화된 지표가 포착하기 어려운 주관적 인식과 창의적 차이를 보완합니다. 일반적으로 백분율 또는 0–1 점수로 보고됩니다.

이 지표는 관련 벤치마크 및 논문에서 광범위하게 사용되며, 해당 차원에서 모델의 성능을 효과적으로 반영합니다. 수치가 높을수록 좋습니다. 이 지표는 연구자와 엔지니어가 텍스트 생성 시나리오에서 모델의 실제 성능 차이를 정량화하고, 다양한 방법이나 모델 버전을 수평적으로 비교하는 데 도움이 됩니다.