知识卡片
幻觉测试要覆盖薄弱查询
先分析实际失败,识别模型更容易编造的查询类型,再增加相应评估覆盖。原书案例包括小众知识与带有不存在前提的问题。评估集既要代表真实流量,也要包含高风险薄弱点,不能只由模型擅长的常见问题组成。
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AI系统
原书出处 · 1 处
- · 查看原书依据
你的基准测试应该更多地关注这些查询。
参考来源
- 位置:《AI工程:大模型应用开发实战》第4章《评估AI系统》(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/Section012.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:你的基准测试应该更多地关注这些查询。