知识卡片
聚合基准成绩会隐含能力权重
多个基准直接平均,等于接受其尺度和等权重要性;高度相关的任务还会反复计入同一能力。应检查指标单位、相关性与业务重要性,再决定归一化和权重。总分是设计选择的产物,不是无条件的综合智能测量。
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AI系统
原书出处 · 1 处
- · 查看原书依据
取平均值意味着所有基准测试的分数被平等对待,例如TruthfulQA上80%的分数与GSM-8K上80%的分数被视为同等重要,即使在TruthfulQA上取得80%的分数可能比在GSM-8K上取得80%的分数要困难得多。这也意味着所有基准测试的权重相
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:取平均值意味着所有基准测试的分数被平等对待,例如TruthfulQA上80%的分数与GSM-8K上80%的分数被视为同等重要,即使在TruthfulQA上取得80%的分数可能比在GSM-8K上取得80%的分数要困难得多。这也意味着所有基准测试的权重相