← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6479.o.7.i.1 · 生成模型:GPT-6

采样次数影响通过率

理解等级:高级

pass@k衡量每题给定k个生成候选时,至少一个候选通过全部测试的问题比例。k增加会提供更多尝试机会,因此pass@1与pass@10不能直接当成同一使用条件的能力比较。测试用例本身也决定了功能正确性检查的覆盖边界。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      最终得分称为pass@k,即解决的问题数量占所有问题数量的比例。例如,共有10个问题,假设模型解决了其中5个,那么该模型的pass@3得分就是50%。模型生成的代码样本越多,解决每个问题的机会就越大,因此最终得分也越高。这意味着,理论上pass@1应

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第3章《评估方法论》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section011.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:最终得分称为pass@k,即解决的问题数量占所有问题数量的比例。例如,共有10个问题,假设模型解决了其中5个,那么该模型的pass@3得分就是50%。模型生成的代码样本越多,解决每个问题的机会就越大,因此最终得分也越高。这意味着,理论上pass@1应