评测与安全

人类偏好评估

Human Preference Evaluation

让人盲选更喜欢哪个回答,作为质量信号。

又称 Human Preference 偏好评估 盲测

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

做法是给评测者看同一问题的两个回答(匿名、随机左右),让他选更好或平手,再汇总成胜率。比自动指标更贴近真实体验。

问题是主观性强、标注者背景差异大、成本高。同一批回答换一组评测者,结论可能反向。所以要看评测说明:谁评的、多少人、一致性如何。

02 什么时候会碰到它
看榜单、写验收标准或做安全评审时

「跑分高」和「好用」之间隔着一条鸿沟。这组词帮你看懂分数怎么来的、评测集有没有被污染,以及攻击是从哪进去的。

03 和这几个词怎么区分

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活