Term / 术语
AI Evaluation
Artificial Intelligence Evaluation
简明解释
用任务、数据和明确判定标准，系统衡量 AI 模型或智能体行为的方法。
AI Evaluation 可以检查正确率、任务完成率、延迟、成本、安全性或输出质量。评估既可以使用确定性的测试，也可以由人或另一个模型依照评分细则判断；不同方法适合的任务并不相同。
一套有用的评估应尽量接近真实使用情境，并保留可复现的输入、配置和判定依据。只看单个分数容易掩盖数据污染、评分偏差、提示敏感性和模型针对指标过度优化等问题。