AI Evaluation
AI 评测
AI 评测是一套可以重复进行的测试方法。它会使用明确的任务、测试数据、评分规则和安全门槛。
另一个例子
团队用 300 条留有版本记录的客服案例，以及人工批准的答案测试候选模型。他们评估质量、安全、延迟和拒答表现；只有吸引眼球的演示，不算完整评测。
主要部分
- 01版本化数据集
- 02评分规则
- 03发布阈值
什么时候用
按照清楚规则比较模型、提示、检索改动或发布版本时，可以使用这个词。
什么时候不要用
不要把评测缩成一个总分，也不要只用几个没有版本记录的零散提示。
代码里的名称
dataset × rubric × evaluator × threshold 上线前要检查
检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。
预期结果：使用或评估 AI 评测 (AI Evaluation)，让 AI 行为可以衡量，也能连回证据。 用户场景：团队用 300 条留有版本记录的客服案例，以及人工批准的答案测试候选模型。他们评估质量、安全、延迟和拒答表现；只有吸引眼球的演示，不算完整评测。 AI 方法或概念：AI 评测 (AI Evaluation)。 适用理由：按照清楚规则比较模型、提示、检索改动或发布版本时，可以使用这个词。 不应使用的情况：不要把评测缩成一个总分，也不要只用几个没有版本记录的零散提示。 AI 要求：定义输入与参考证据。设置模型和工具权限。使用有版本号的评估数据与指标。说明失败、拒答、隐私、速度与成本限制。 运营防护：保留可查询记录，并隐藏其中的敏感数据。提供用户看得懂的安全备用做法。标出必须由人工复核的步骤，并定义模型或提示词的恢复方式。 验收标准：在有版本号的评估集上记录当前基线与目标。测试边界案例与恶意输入。验证安全备用做法、监控、权限与恢复方式。 证据与限制（证据边界）：它只代表该来源的官方说法。其他平台或团队可能有不同用法。 待确认：目标任务、模型与版本、评估负责人、参考数据、风险阈值、工具权限，以及生产环境的安全备用做法。
检查这份需求
请 AI 编程助手检查当前如何使用 AI 评测 (AI Evaluation)。 定义：AI 评测是一套可以重复进行的测试方法。它会使用明确的任务、测试数据、评分规则和安全门槛。 生产环境检查：检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。 修改程序前，先列出看到的证据、缺口、严重程度，以及最小且安全的修正。