模型评测与幻觉核查

逐条评分的回答、来源引文、无依据的陈述和待裁决项。

客户平台（英文）

示例工作样本ST / 01

客服模型给出了退货期限，但所引用的政策中没有这项规定。

导出记录示例

{"item":"EV-014","supported":false,"evidence":"§4.2","decision":"revise"}

JSONL

需要准备的材料

准备一小组回答、参考来源、评分准则，以及需要第二人复核的示例。

逐项回查原文，并在修复后用相同问题复测。

内含三条合成记录、需求准备清单和验收标准。记录仅供演示。

SilkTrain

所列工具仅为示例。请在需求中注明自用平台和导出格式。项目启动前将核实权限和格式兼容性。

可单独委托人才招募、独立质检或项目负责人。请注明样本量、审核人员要求和目标日期。