评测集

英文：Evaluation Set　分类：eval

基本释义

从训练数据中独立划分、用于评估模型性能的数据集，考察模型的泛化能力而非记忆能力，其质量与隔离性决定评测可信度。

技术要点

要求：领域代表性、难度分布、标签质量（人工校验）、防污染（与训练集查重隔离）；类型：任务型（QA/分类）、生成型（摘要/翻译）、安全型（有害样本）；维护：版本管理与定期更新。

应用场景

用于模型开发（验证集调参）、发布评测（测试集报告）、领域定制评测与持续监控；评测集是"评价是否公平"的基石。

返回AI百科目录 · AI最前沿首页

相关词条：大模型评审 · 聊天机器人竞技场 · 数据治理 · 内容分发网络 · 训练集