知识卡片
评分一致不等于评分准确
相同输入重复评估若产生不同结果,会削弱可复现性。固定设置和示例可能改善一致性,但裁判也可能稳定地犯错。重复试验检查稳定性,人工或可信任务结果检查准确性,两者是不同的验证目标。
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
高一致性并不意味着高准确性——AI裁判可能会持续犯同样的错误。此外,加入更多示例会使提示词变长,而更长的提示词意味着更高的推理成本。在Zheng等的实验中,增加提示词中的示例数量导致GPT-4的成本增加至4倍。
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:高一致性并不意味着高准确性——AI裁判可能会持续犯同样的错误。此外,加入更多示例会使提示词变长,而更长的提示词意味着更高的推理成本。在Zheng等的实验中,增加提示词中的示例数量导致GPT-4的成本增加至4倍。