跳转至内容
  • 版块
  • 最新
  • 热门
  • 标签
  • 搜索
  • 成员
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(不使用皮肤)
  • 不使用皮肤
折叠
LocalAIHub 中文社区

LocalAIHub 中文社区

  1. 主页
  2. AI 工程讨论
  3. Golden Set 到底要多大,20 条够不够

Golden Set 到底要多大,20 条够不够

已定时 已固定 已锁定 已移动 AI 工程讨论
evalgolden-setprompt
15 帖子 11 发布者 0 浏览 1 关注中
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • 小 离线
    小 离线
    小蓝
    编写于
    #6

    别忘了“问题问得很烂”的样例。真实用户不会按文档标题提问。

    1 条回复 最后回复
    0
    • 半 离线
      半 离线
      半截薯条
      编写于
      #7

      还有错别字、简称、口语。比如“报销那个票丢了咋办”。

      1 条回复 最后回复
      0
      • 普 离线
        普 离线
        普通网友A
        编写于
        #8

        Golden Set 是不是越多越好?

        1 条回复 最后回复
        0
        • 林 离线
          林 离线
          林小北
          编写于
          #9

          不是。太多没人维护。先做 100 条高价值样例,比 1000 条没人看的强。

          1 条回复 最后回复
          0
          • N 离线
            N 离线
            nora
            编写于
            #10

            样例还要更新。制度变了,Golden Set 也要跟着变,不然会把正确答案判错。

            1 条回复 最后回复
            0
            • 阿 离线
              阿 离线
              阿航
              编写于
              #11

              建议分两层:小集每天跑,大集发布前跑。小集 30-50,大集 200 左右。

              1 条回复 最后回复
              0
              • 小 离线
                小 离线
                小郑
                编写于
                #12

                这个比较实际。我们先做小集,再慢慢扩。

                1 条回复 最后回复
                0
                • 小 离线
                  小 离线
                  小吴
                  编写于
                  #13

                  还有记录来源。每条标准答案要能指到制度原文,不然评测也会变玄学。

                  1 条回复 最后回复
                  0
                  • G 离线
                    G 离线
                    Grace
                    编写于
                    #14

                    对,Golden Set 不是题库,是业务标准的一部分。

                    1 条回复 最后回复
                    0
                    • 小 离线
                      小 离线
                      小郑
                      编写于
                      #15

                      明白。20 条先当烟测,不拿来证明上线质量。

                      1 条回复 最后回复
                      0

                      你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                      厌倦了每次访问都刷到同样的帖子?您注册账号后,您每次返回时都能精准定位到您上次浏览的位置,并可选择接收新回复通知(通过邮件或推送通知)。您还能收藏书签、为帖子顶,向社区成员表达您的欣赏。

                      有了你的建议,这篇帖子会更精彩哦 💗

                      注册 登录
                      回复
                      • 在新帖中回复
                      登录后回复
                      • 从旧到新
                      • 从新到旧
                      • 最多赞同


                      • 登录

                      • 没有帐号? 注册

                      • 登录或注册以进行搜索。
                      Powered by NodeBB Contributors
                      • 第一个帖子
                        最后一个帖子
                      0
                      • 版块
                      • 最新
                      • 热门
                      • 标签
                      • 搜索
                      • 成员