知识卡片
排行榜覆盖取决于所选任务
公开排行榜通常只聚合少量基准,任务选择受计算成本和设计目标影响。某榜缺少检索、摘要或工具任务时,其总排名无法证明这些能力。读排名应先看任务集合和聚合方式,再判断与自己的应用有什么关系。
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
一些排行榜可能会排除重要但计算成本较高的基准测试。例如,HELM Lite版本就因运行成本高而排除了信息检索基准测试(MS MARCO,参见“HELM Lite: Lightweight and Broad Capabilities Evaluati
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:一些排行榜可能会排除重要但计算成本较高的基准测试。例如,HELM Lite版本就因运行成本高而排除了信息检索基准测试(MS MARCO,参见“HELM Lite: Lightweight and Broad Capabilities Evaluati