评估数据准备

准备用于评估模型能力的数据集，并在数据集管理中导入和发布。

新建评估任务

在模型评估菜单页面中，点击【新建评估任务】，选择一个用于评估的Benchmark数据集，选择对应的评估标准，以及评估用到的资源，即可完成评估任务新建。

● 准确率：正确预测(标注与预测完全匹配)的样本数与总样本数的比例。

● ROUGE-1：将模型生成的结果和标准结果按unigram拆分后，计算出的召回率。

● ROUGE-2：将模型生成的结果和标准结果按bigram拆分后，计算出的召回率。

● ROUGE-L：衡量了模型生成的结果和标准结果的最长公共子序列，并计算出召回率。

● BLEU-4：用于评估模型生成的句子和实际句子的差异的指标，值为unigram，bigram，trigram，4-grams的加权平均。