概念Performance Testing
性能测试
软件测试类型，关注系统在特定条件下的响应时间、吞吐量等指标，通过多轮对比数据发现问题
核心事实
时间轴 (近 90 天)
9月12日
AI评估与性能测试有高度相似之处，都不特别关心单次的对错，而是通过一组数据和多轮对比发现问题得出结论
已验证65%
9月7日
性能基准测试结果具有统计波动性，需要多次运行取中位数或P95/P99百分位来判断
待验证50%
软件测试类型，关注系统在特定条件下的响应时间、吞吐量等指标，通过多轮对比数据发现问题
AI评估与性能测试有高度相似之处，都不特别关心单次的对错，而是通过一组数据和多轮对比发现问题得出结论
性能基准测试结果具有统计波动性，需要多次运行取中位数或P95/P99百分位来判断