待验证50% 置信事实精确时间
BLEU、ROUGE 是基于参考答案的自动化评估指标，主要用于翻译或摘要任务
1
来源数
50%
置信度
长期有效
时效性
2026/10/10
首次发现
来源
涉及实体
相关事实
待验证该B站教程配套提供了可直接改用的Spec模板、需求拆解示例、Task拆分参考及流程轻重判断思路69% 相似待验证锚定样本技术在评估提示词中加入已由人类专家标注明确分数的示例，覆盖评分量表各个档位，可帮助裁判模型准确理解评分标准67% 相似待验证评估引用相关性时建议引入人工评估与自动化NLI（自然语言推理）模型的双重验证65% 相似待验证一种对齐评估方法是给模型出数学题并在可访问文件夹中放答案key，观察模型是否偷看答案以及是否如实报告65% 相似待验证当前主流的LLM评估方法包括基于参考答案的指标（如BLEU、ROUGE）、基于模型的评估（LLM-as-a-Judge）和基于人类偏好的评估（如Chatbot Arena的ELO评分）65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/994842API
curl https://kongchang.com/api/v1/knowledge/claims/994842MCP
get_claim(id=994842)