先确定你的任务
写下输入语言、输出格式和允许的错误。阅读模型卡时,优先找与该任务接近的评测场景。
对照分数的上下文
记录模型版本、测试集和评分规则。测试条件不同时,把两个分数分开记录。
用自己的样本验证
准备常见、边界和失败样本各一组,用脱敏数据试跑。记录预期、实际输出与人工复核结果。
暂无菜单项
写下输入语言、输出格式和允许的错误。阅读模型卡时,优先找与该任务接近的评测场景。
记录模型版本、测试集和评分规则。测试条件不同时,把两个分数分开记录。
准备常见、边界和失败样本各一组,用脱敏数据试跑。记录预期、实际输出与人工复核结果。
