查看与管理人工评估任务
对生成式大模型的输出效果、计算性能进行全方位评价，提供面向事实类或开放性问答的不同打分模式；当前支持文本类生成模型，暂不支持图像或跨模态生成模型。
登录到本平台，在左侧功能列选择模型评估，进入人工评估主任务界面。
评估任务筛选与搜索
时间筛选
您可以在评估任务列表右上角使用时间组件按照「年月日」对任务进行筛选。
任务搜索框
您可以使用搜索组件对任务进行搜索，点击搜索框头部可以切换搜索维度。
目前支持任务名称/ID、评估对象、基础模型版本三种搜索维度，鼠标hover搜索框头部的问号支持弹窗显示具体的使用提示。
| 搜索维度 | 默认输入栏文案 | 搜索框头部hover提示 |
|---|---|---|
| 任务名称/ID | 请输入任务名称/ID搜索 | 评估对象支持按照模型名称（包含BOS和非平台模型结果集）模糊搜索，按照模型版本ID、结果集ID精确搜索 |
| 评估对象 | 请输入评估对象搜索 | 支持按照任务名称模糊搜索、按任务ID精确搜索（任务状态为「编辑中」的任务不支持搜索） |
| 基础模型版本 | 请输入基础模型版本搜索 | 支持按照基础模型版本名称模糊搜索（任务状态为「编辑中」的任务不支持搜索） |
任务列表表头筛选
在任务列表中，部分表头支持筛选
当前可支持筛选的表头和筛选项
| 表头名称 | 筛选项 |
|---|---|
| 任务状态 | 全选、已完成、部分完成、已失败、排队中、进行中、推理中、编辑中 |
| 评估对象 | 全选、结果集、基于模型 |
| 创建时间 | 支持按照创建时间倒序、正序排列 |
| 打分模式 | 全选、自动规则打分、自动裁判员打分、自动规则打分+自动裁判员打分 |
查看人工评估任务详情
您可以通过点击任务名称查看评估任务的详细内容。
当创建的任务的状态为“待评估”时，需要您点击操作列的"在线评估"进行标注，详细标注操作可查看数据标注相关操作。
当评估任务状态为“已完成”时，您可点击操作列的“查看评估详情”按钮，查看具体的人工评估内容。已完成人工评估的结果集不支持任何编辑操作。
查看评估报告
当评估任务状态为“已完成”时，您可点击操作列的“查看评估报告”按钮，查看详细的评估信息。
人工打分指标
| 指标名称 | 指标说明 |
|---|---|
| 平均分数 | 平均分数计算公式：所有评价维度分数之和/数据量评价维度数量 |
| Goodcase占比 | Goodcase比例计算公式：所有评价维度等于2分的数量/数据量评价维度数量 |
| 满意度等 | 创建人工评估任务时，所填写的自定义指标。 |
评估报告
该页面展示创建评估任务时的评估维度结果的可视化分布，包括评估任务的整体指标和详细指标等内容。
评估详情
在评估详情列表页，您可以选择每条评估数据操作列的查看按钮，展示为您提交【在线评估】时所填写的对大模型的主观感受。
导出模型结果
需要您打开模型详情页，模型结果分析支持筛选和导出。为避免对页面性能造成影响，每个模型最多展示2000条模型结果分析内容。导出时点击左上角按钮，在浮窗中配置导出位置『本地』或『BOS存储』（需提前开通BOS相关服务 ）。
自定义选择导出字段：
右上角操作记录中支持查看用户对模型结果分析导出记录，查看导出任务状态、并对错例数据进行下载、查看。
查看任务日志
平台支持查看本次模型评估任务的详细日志。选择评估的模型后，可以查看其从创建开始到任务结束的日志内容，支持下载到本地保存（txt格式）。
以下为部分日志展示：
可通过日志查看报错，调整任务配置重新发起；或在提交工单时，粘贴日志中的报错由百度技术服务团队协助排查。