首页 文章 精选 留言 我的

精选列表

搜索[geo],共2014篇文章
优秀的个人博客,低调大师

如何验收 GEO 交付:同时检查样本、引用和内容版本

收到一组 AI 推荐截图,很难直接评价服务效果。至少还缺三类信息:问题是怎样选的,没成功的回答有多少,截图中的介绍是否正确。 下面讨论一份验收记录可以包含什么。它是方案建议,不代表已实现的系统。 ## 固定样本口径 把平台与问题原文组成一个测试单元,提前约定重复次数、测试时段和判定方法。执行中若修改问题或检索条件,应留下记录,不把新旧结果直接并在一起。 重复测试只是减少依赖单次截图,并不自动保证统计代表性。问题如何选取,仍决定结果能说明多大范围。 ## 将“出现”和“准确”分开 建议分别记录品牌是否出现、是否有引用、关键事实是否正确。 例如,品牌出现在答案里,但产品参数错误,不宜只记成成功。网络失败或平台未返回回答,也应单独记状态,不当作一次普通的未提及。 若计算提及率,可将其定义为“提及品牌的有效回答数/有效回答总数”。有效回答的条件须预先确定,失败请求另报数量。事实准确率则应说明检查了哪些事实、如何处理无法判断的项目,避免不同项目使用相同名称却计算不同内容。 ## 保存能复查的上下文 |记录|作用| | --- | --- | |问题原文、平台和时间|判断测试条件是否一致| |完整回答及原始截图|防止裁剪改变含义| |引用页面与访问时间|检查引用内容是否支持结论| |产品事实版本|确认用哪个版本判断准确性| |判定人与意见|方便处理有争议的结果| 涉及账户信息、客户资料时,应脱敏并控制访问,不为追溯而公开敏感信息。 ## 对问题记录逐条复查 如果模型说错了参数,先查引用页面,再查页面所依据的产品版本。纠正后保留复测记录,报告已解决和仍存在的问题。 不要把复测成功的截图覆盖原失败样本。前后记录都保留,才能知道改了哪里、在哪些测试中观察到变化。观察到改善,也不能仅凭时间先后就证明某一项动作产生了全部效果。 作者实际采用这套方案后,可补充一条脱敏的错误定位过程和复测记录。没有实际记录时,文章应继续以“验收设计”呈现。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册