模型评测

会给大模型应用建测试集，能量化地判断改动是变好还是变坏。

学习流程

• 定义成功标准
• 建测试集
• 自动打分
• 用模型做评审
• 搭一套评测流程

去哪学

• Anthropic 评测指南 文档 · 免费