此浏览器不再受支持。
请升级到 Microsoft Edge 以使用最新的功能、安全更新和技术支持。
为以下各个问题选择最佳答案。
评估生成式 AI 应用的主要目的是什么？
提高 AI 模型训练的速度。
衡量 AI 系统的质量、安全性和可靠性。
降低 AI 开发成本。
用自动化系统取代人工评估程序。
以下哪项不是良好评估数据的特征？
多样性。
代表性。
高质量。
同质性。
哪个语句最能反映如何在 Microsoft Foundry 中准备评估数据？
每个内置计算器都使用相同的输入字段，因此一个固定架构始终有效。
不同的评估者可能需要不同的输入，因此请确认查询、响应、上下文、真实值或工具调用等字段的映射。
仅自定义评估程序使用上下文或基本真实。
应删除边缘事例，使其不会扭曲平均分数。
在提示更改后比较两个评估运行时，哪些内容提供可证明更改有帮助的最明确证据？
将新运行与基线进行比较，同时保持数据集和计算器集稳定。
对具有不同计算器的不同数据集运行新提示。
只关注整体通过/失败率并忽略行级结果。
同时更改阈值，以便更多结果通过。
在检查工作前，必须回答所有问题。
此页面是否有帮助？
需要有关本主题的帮助？
想要尝试使用 Ask Learn 阐明或指导你完成本主题？