观点 2026.11.19 AI 产品的评测集,应该从第一天开始建 评测集不是上线前的检查项,而是贯穿项目始终的质量基线。 很多团队把评测留到最后,结果上线前才发现「感觉还行」和「真的能用」之间差着十万八千里。 评测集不是测试用例 测试用例验证功能有没有坏,评测集验证回答有没有用。前者是二元的,后者是连续的。 从第一天开始建 每遇到一个真实问题,就把它加进评测集。项目结束时,你会得到一份属于自己业务的、可复用的质量基线。 谁来维护 最好是一线使用者,而不是算法团队。他们最清楚什么样的回答算「好」。 评测AI 产品质量 ← 返回列表 聊聊类似的项目