eval

eval是evaluation的缩写，指让AI模型或AI智能体完成既定任务，并对结果打分，以数值衡量其表现的评估，也可指由许多此类任务组成的评估集合。

在AI开发中，每当更换模型、提示词或智能体配置时，团队都会重新运行同一套eval比较分数，以确认是否有所改进，并分析失败的任务以找出需要修正之处。与公开的标准化基准测试不同，eval往往是针对特定产品或业务自行构建的。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误，请通过更正请求告诉我们。