Eval评测
在你自己的业务场景下系统化测试模型表现的过程。
在你自己的业务场景下系统化测试模型表现的过程。不同于通用 Benchmark，Eval 用的是你真实用户的真实问题，衡量的是你关心的指标（准确率、相关性、安全性等）。每次模型升级、Prompt 修改后都要跑 Eval。
什么时候会用到
讨论模型选型、版本迭代、上线标准时会用。
例句
- 别看 Benchmark 排行榜了，在自己的 Eval 集上跑一遍才知道哪个模型适合我们。
在你自己的业务场景下系统化测试模型表现的过程。
在你自己的业务场景下系统化测试模型表现的过程。不同于通用 Benchmark，Eval 用的是你真实用户的真实问题，衡量的是你关心的指标（准确率、相关性、安全性等）。每次模型升级、Prompt 修改后都要跑 Eval。
讨论模型选型、版本迭代、上线标准时会用。