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。
  • M 离线
    M 离线
    melo
    编写于
    #5

    那我会拆:事实题、流程题、权限题、时间版本题、冲突资料题、无法回答题。每类至少十几条。

    1 条回复 最后回复
    0
    • 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