评估

AIP逻辑评估使您能够为您的逻辑函数编写详细的测试。您可以使用评估来：

• 调试和改进逻辑函数和提示。
• 比较不同的模型，例如在您的函数上比较GPT-4和GPT-3.5。
• 检查逻辑函数多次运行的差异。

核心概念

评估函数： 在比较或评估逻辑函数的实际输出与预期输出时使用的方法。

评估套件： 用于搭建AIP逻辑函数性能基准的评估函数和测试用例的集合。

测试用例： 在评估套件运行期间传递给评估函数的定义的输入和预期输出集。

指标： 评估函数的结果。指标会在每个测试用例中产生，并且可以在运行之间进行汇总比较或单独比较。