如何对大模型的业务进行测试？
昨天面试遇到了这个问题，对这个有些疑问
我的回答是：
1.提供不同的提示词，查看返回结果的质量，与正确答案的差异
2.查看返回的响应速度
3.提供一些涉及隐私安全的、不适合的提示词，查看是否会被拒绝回答
面试官不是很满意，说我这些偏向于应用层面
刚刚查阅了一下：
可以数据收集、数据预处理、模型训练、模型验证、模型评估这样的普适方法
评价指标有F1（精确率和召回率的调和平均值）、RougeL（生成摘要和基准摘要的最长公共子序列）、sacreBLEU（生成文本与参考文本在不同长度的N元组的匹配情况）
有兄弟做实际的相关业务吗，这个问题应该怎么回答呢？求解
6.6号更新：
1.使用一些通用的数据集对模型效果进行评测（GLUE、superGLUE）
2.使用不同的任务进行评测，数学题，编程题，阅读理解，自然知识，科学知识，文本生成，翻译等
3.鲁棒性测试，提示词中间存在拼写错误 ，错别字，模糊提示等
4.不同的硬件资源对响应进行测试（类似对接口进行性能测试）
5.模拟实际用户使用场景进行提示，并收集用户反馈
#牛客解忧铺##牛客在线求职答疑中心##我的实习求职记录##帮帮团#测试开发知识汇总 文章被收录于专栏
一些面试当中总结的知识点和测试框架技术选型以及AI赋能测试的内容
