待验证50% 置信事实精确时间
在LLM应用开发中，评估（Evaluation）指的是用一组有标准答案的测试问题，系统性地衡量系统输出质量的过程，通常需要准备30-50个覆盖典型场景和边界情况的问答对。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证评估（Evaluation）偏向于对模型或系统能力的系统性测量，通常在离线或准离线环境中通过预定义测试集和评分标准衡量输出质量77% 相似待验证评估基准（Eval）是一套系统化的测试集与评分机制，评分可基于规则或采用LLM-as-Judge方式77% 相似待验证评估程序会将问题、参考答案、实际回答一并输入裁判模型，附上打分指令（如相关性、准确性、完整性各维度0-5分），由裁判模型输出结构化评分与理由75% 相似待验证LLM评估的五层体系包括：单元测试、自动指标、LLM-as-Judge、人工评估和A/B测试。73% 相似已验证评估集构建可采用LLM-as-Judge方法用另一个模型评估输出质量以处理语义层面的质量判断72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1009618API
curl https://kongchang.com/api/v1/knowledge/claims/1009618MCP
get_claim(id=1009618)