人工智慧術語

什麼是 人類評估?

定義

Python 程式設計問題的基準，用於透過單元測試衡量程式碼產生的正確性。

相關術語

基準測試
用於測量和比較模型性能的標準化測試或資料集。
GSM8K
小學數學應用題的基準，用於評估語言模型中的逐步推理。
評估集
用於測量訓練後模型品質的保留資料集。
測試時計算
在回應生成期間使用額外的推理計算來提高品質或推理。
透過@k
一種程式碼評估指標，用於衡量 k 個產生的樣本中至少有一個通過測試的機會。
人工智慧治理
指導人工智慧如何在社會中發展和使用的政策、標準和監督機制。

參見

MMLUFactualityLLM-as-JudgeCitationsBi-EncoderWatermarkingCross-EncoderMid-training
瀏覽完整的人工智慧術語表探索所有免費的人工智慧指南