首页 文章 精选 留言 我的

精选列表

搜索[geo],共2093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。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册