知识卡片
参考评估受标准答案覆盖限制
基于参考的评估把输入配上一个或多个参考响应,再比较生成响应。人工参考成本高,AI参考仍需质量控制;参考集合有限时,正确的另一种表达也可能被误判。参考分数衡量的是与给定参考的一致程度,不能自动代表完整任务质量。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 评估方法论
原书出处 · 1 处
- · 查看原书依据
参考数据中的每个示例都遵循(输入,参考响应)的格式。一个输入可能对应多个参考响应,例如一个法语句子可能有多种英语翻译。参考响应也被称为真实答案或标准响应。需要参考数据的评估指标称为基于参考的指标,不需要参考数据的称为无参考指标。
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:参考数据中的每个示例都遵循(输入,参考响应)的格式。一个输入可能对应多个参考响应,例如一个法语句子可能有多种英语翻译。参考响应也被称为真实答案或标准响应。需要参考数据的评估指标称为基于参考的指标,不需要参考数据的称为无参考指标。