评测验证

评测验证页面

功能解释

评测验证是一套回归检查流程，用来维护题库、生成参考答案、发起批量评测，并查看结果报告。它不直接改业务，主要作用是帮你确认当前模型、知识、技能、工具和数据配置有没有退化。

这类页面通常由管理员、评测负责人或模型配置负责人维护。普通成员更多是看结果，不是来改评测配置。

打开评测验证后，先在题库管理里看当前有没有要测的问题。这里通常会有问题列表、搜索、筛选和新增问题入口。先把题目补齐，再进入后面的答案和任务步骤。

新增问题时，优先把题目描述写清楚，避免同一意思出现多个版本，不然后面的评测结果不好比。

题库准备好后，切到答案生成页签。这个步骤的目的，是把每道题的标准答案先定下来，后面的评测任务才知道拿什么做对比。

如果题目是新加的，先补答案再跑评测；如果业务口径改了，先改答案再跑评测。不要跳过这一步直接起任务，不然结果会漂。

答案准备好后，到评测任务页签创建任务。这里一般会选择数据主题、测试模型和评测范围，然后点击跑评测。任务启动后，先看进度，再看是否全部跑完。

任务跑完后，打开查看报告，重点看总分、失败项、差异项和低分题目。报告的价值不在于“有个分数”，而在于能告诉你问题集中在哪一类。

如果结果不好，不要直接在评测页里改分数，而是回到真正出问题的页面去修，比如模型管理、知识管理、技能管理、工具管理或数据源集成。修完后再回到这里跑一轮。

题库管理负责维护要测的问题。这里一般会配合“新增问题”使用，先把问题补进来，再统一走后面的答案和评测流程。题库越稳定，评测结果越容易对比。

答案生成页签用来生成或修正参考答案。它适合先把标准答案定下来，再让后面的评测任务按这套答案去比对。题目或口径改动后，这一页通常要先跟着改。

评测任务页签用来批量发起评测、看运行进度和查看报告。它是整套流程里真正出结果的地方，也是判断配置有没有退化的核心入口。

进入评测验证页面后，按题库、答案和评测任务的顺序操作。它更像一套标准化的使用流程：先准备问题，再准备答案，再用任务验证结果。

评测验证页面 2. 在答案生成页签里生成或修正参考答案。

答案生成 3. 到评测任务页签创建并发起批量评测。

评测任务 4. 任务结束后，打开报告查看失败项、差异项和低分题目。 5. 根据报告回到模型、知识、技能、工具或数据配置里修正。

实际顺序一般是先有题库，再有参考答案，然后跑评测并查看报告。评测结果不理想时，通常不是回到评测页改分数，而是回到真正出问题的配置页去修。

换句话说，这一页更像一条检查流水线。它负责把问题收集起来、跑起来、看结果，真正的修复通常发生在模型、知识、技能、工具或数据源页面。

它和模型管理、知识管理、工具管理、数据源集成是连着看的。评测发现问题后，通常要回到这些页面继续调；运营统计则能补上“真实有没有被用到”这半边证据。