评测
Evaluation
也称Evals / 模型评估 / 回归评测
用明确的任务和标准检查 AI 到底好不好用
怎么理解
评测就是把“感觉不错”变成能检查的结果。先确定需要它完成什么,再规定怎样算做好,比如数字有没有错、重点有没有漏、一次要花多久。
举个例子
你准备给团队选摘要工具,可以拿十份不同的会议记录,检查是否漏掉决定、是否写错负责人,再比较完成时间。这样比只问一道简单问题更有参考价值。
补充说明
评测题要接近真实使用,也要包含难一点和容易混淆的情况。只展示挑过的好例子,不能说明整体效果。