Golden Set黄金测试集
一组经过严格人工审核的标准答案数据，用来衡量模型好不好。
一组经过严格人工审核的标准答案数据，用来衡量模型好不好。就像考试的"标准答案"。每次模型迭代后都跑一遍 Golden Set，看看分数涨没涨、有没有退步。
什么时候会用到
讨论模型评测、版本迭代、上线标准时会用。
例句
- 新模型在 Golden Set 上准确率掉了 2 个点，不能上线，先排查原因。
一组经过严格人工审核的标准答案数据，用来衡量模型好不好。
一组经过严格人工审核的标准答案数据，用来衡量模型好不好。就像考试的"标准答案"。每次模型迭代后都跑一遍 Golden Set，看看分数涨没涨、有没有退步。
讨论模型评测、版本迭代、上线标准时会用。