大模型评测方法汇总

业务评测集需要覆盖常见输入、边界输入和高风险输入，并记录期望答案或判定标准。

评分维度可以拆成准确性、完整性、格式遵循、可追溯性和安全性。不同业务应调整权重。

上线后仍需持续抽检，因为模型、资料和业务流程都会变化。评测集也要像产品需求一样持续维护。