评估 · Evaluation
英文：evaluation/ɪˌvæljuˈeɪʃən/（重音在 ua）
产品与评估难度：进阶 ★★
🗣️一句话大白话
给 AI 的输出「定期考试」：准备一批标准问题和期望结果，每次改提示词、换模型、调知识库后跑一遍，看得分升还是降。没有评估的调优 = 凭感觉装修。
🎬真实场景
你改了一版 Prompt，试了两个问题觉得「更好了」就上线。三天后用户发现另一类问题全崩了。有 30 题的评估集：每次改动跑一遍，15 题变好 2 题变坏，一眼看穿。
📮你可以这样说
「「改之前先跑一遍评估集，对比新旧版本得分」——把这一步固化成你的修改流程。」
通过 AI绘图 工作台生成（模型 API 额度由此消耗）；未配置模型密钥时会提示失败原因。
⚠️边界与常见误解
- ▸评估集要覆盖真实场景：用用户真问过的问题，别自己编理想问题
- ▸评分可以让 AI 打分（LLM-as-judge），但要人工抽查校准这个「打分官」
- ▸评估不是一次的事：模型升级、知识库更新后都要重跑
🕸️知识关系图
这个词条与相关术语、AI绘图 知识的连接关系
🔗相关术语
📚深入阅读
魔搭紫皮书 · ModelScope Cookbook ↗教程 / 书籍 · 开发者
魔搭官方开源的开源模型实战指南，34 章从模型选型、推理到微调、RAG、Agent 全链路，每章带可复现代码。想搞懂『RAG 到底怎么搭』『微调怎么跑』，它是目前中文里最体系化的答案。
vibe-hub.org ↗社区内容 · 小白友好
与本站同类的 AI 学习站点（英文）：术语卡 + 场景练习 + 防 AI 味。它把『学习 + 练习』做得很轻，本站的练习模块就是参考它做的。
ms-swift ↗开源项目 · 开发者
魔搭官方的轻量微调框架，几行命令就能微调开源模型，还带评测。想亲手微调一个模型，这是当前最顺手的工具之一。
想找更多？去 资源库 看全清单。