行业与实践 · 标签「千帆」

研究与基准测试/2026-11-03/7 分钟

提交之后不能改 BOS：百度千帆自动评估一次最多选 5 个模型

百度千帆自动评估只支持文本生成。GSB 只有 Good、Same、Bad 三档，Same 把一样好和一样差放在一起。模型和已有结果集都最多 5 个。预置裁判员指标是事实性错误、情感倾向性、语义连贯性。自定义指标最多 10 个。