LLM 评估

LLM评估是结构化的测试，用于衡量模型或AI系统在定义标准集上的表现。它们不是非正式地判断输出，而是提供了一种可重复、定量的方式来比较提示版本、模型更新和系统更改。它们是做出自信、基于证据的AI系统决策的主要工具。