Posted at 2026-01-03 学AI/DS  LLM Agent Benchmark 

在很多LLM的评测报告中，可能会看到这些指标，尤其是在代码生成、数学推理、程序合成等任务里。它们的侧重各不相同，但都基于一个前提设定：对同一个问题，模型允许生成 k 个不同的答案，再用不同方式来统计表现。

Posted at 2023-10-30 学AI/DS  Benchmark ML 

ML领域常见评估指标与方法：留出法（Hold-Out）、交叉验证法（Cross Validation）、自助法（Bootstrap）、Accuracy、Precision、Recall、Fβ-Score、F1-Score、真正例率（TPR）、假正例率（FPR）、ROC曲线、AUC值、PR曲线。