结果与报告
解读评估结果
从汇总指标深入到其背后的维度、类别和测试用例。
从整体结果开始，再检查表现最弱的维度、类别和代表性测试用例。读取每个指标时，都要结合评估方法、方向、待测目标和证据覆盖范围。
使用证据层级
| 视图 | 用途 |
|---|---|
| 汇总 | 了解整体评分或风险率及其覆盖范围。 |
| 维度 | 定位影响结果的广泛风险领域。 |
| 类别 | 识别需要处理的具体行为。 |
| 测试用例 | 查看提示词、响应、评分和评估器解释。 |
正确读取指标
| 检查项 | 问题 |
|---|---|
| 定义 | 该指标衡量什么行为？ |
| 方向 | 数值越高越好，还是越低越好？ |
| 覆盖范围 | 计算中包含了哪些已完成的测试用例？ |
安全地比较结果
| 比较方式 | 用途 | 需要保持一致的内容 |
|---|---|---|
| 与自身版本比较 | 衡量模型或应用更新是否改善了结果。 | 方法、数据集、评估器和执行设置 |
| 与 Baseline 比较 | 了解相对于声明参考或群组的表现。 | Baseline 版本、方法、数据集和比较规则 |