評価ライフサイクル

flowchart TD
  A["答えを観察してください"] --> B["フィードバックを送信してください"]
  B --> C["質問とコンテキストを確認してください"]
  C --> D["データ、知識、またはエージェントの構成を変更します"]
  D --> E["代表的な質問をもう一度実行してください"]
  E --> A

フィードバックは、ユーザーの判断を捉えます。 Q&A Management は、返されたレコードと目に見える処理状態のレビューをサポートします。 Test Sets は、適格なエージェントに対して平文の質問を繰り返し、タスク レコードとダウンロード可能な結果を生成します。

現在のテスト セット インターフェイスは、予想される回答を定義したり、個々の結果を採点したり、実行を自動的に比較したりしません。 したがって、評価の結論には、人間のレビューまたは外部評価方法が必要です。