行业与实践 · 标签「错误」

工具与框架/2026-11-08/10 分钟

Inspect 评分政策：答错计入分母，出错和未评分不计入

Inspect 把一道样本分成裁决、评分错误和未评分。一个对、一个错、一次报错、一次无法解析的评判，在运行继续时准确率是 0.5。score_on_error 若把中途失败的部分状态评成错误，分母变成 3，准确率是 1/3。