LLM测试集

LLM测试集

测试集将评估锚定到真实任务和边缘情况。

企业测试集包括评分标准、风险标签和验收标准。

另请参阅

常见问题

测试集应包含哪些内容？
代表性任务、边缘情况、对抗性案例以及带有风险标签的示例。

测试集应该多大？
从小规模开始（50-200个），然后根据失败案例和新用例进行扩展。

如何保持测试集更新？
添加来自实际失败、事件和用户反馈循环的案例。

常见的失败模式是什么？
测试集未能反映实际使用情况或风险分布。

首要改进措施是什么？
为你的前3个任务创建一个“黄金集”并添加评分标准。