更新时间：2026-04-15 GMT+08:00
回流评估结果至评测集
支持将评估任务产出的结果回流至评测集。通过配置回流规则，可以将得分较高或较低的数据进行分类回流，帮助您利用线上真实数据构建“高质量数据集”与“问题数据集”，从而实现评测集的持续迭代与优化。
通过回流线上真实数据，可以显著提升评测质量，具体体现在以下几个方面：
- 构建“黄金评测集”：通过筛选高分的线上真实对话，沉淀出一套标准的“黄金评测集”。该集合代表了真实业务场景下的理想交互水平，能够作为新版本发布前的验证，确保评估标准客观、权威，防止模型迭代带来的效果衰退。
- 建立“Badcase问题库”：归档效果欠佳的Badcase，形成专项问题库。，助力团队快速识别缺陷、修复漏洞，从而在后续迭代中显著提升智能体的能力。
步骤一：选择评估结果
- 登录AgentArts智能体开发平台。
- 在左侧导航栏中选择“运营运维 > 评估”，选择“评估任务”页签。
- 单击目标任务名称，进入评估任务详情页面。
- 查看评估结果，并勾选需要回流至评测集的数据，单击右侧的“导出”。
- 导出全部数据至评测集：无需勾选具体条目，直接导出当前任务下的所有数据。
- 导出已选中数据至评测集：仅导出勾选的数据条目。
图1 导入至评测集
步骤二：配置回流规则
在“导出评测集”的弹框中，配置导出的规则。根据业务需求选择目标评测集类型：
- 新建评测集：创建一个全新的评测集并添加数据，参数说明请参见表3 新建评测集。
- 已有评测集：将数据添加至已存在的评测集中，参数说明请参见表4 已有评测集。
数据导出到评测集时，请遵循评测集的约束与限制，具体说明请参见约束与限制。
图2 创建评测集配置示例
表1 创建评测集 参数
说明
示例
目标评测集
选择数据添加到已有评测集或创建评测集。
选择“创建评测集”
评测集名称
新建评测集的名称。
科学知识
描述
评测集的描述。
数据用于评估科学知识类智能体。
评测集版本
新创建的评测集是发布状态还是草稿状态。
- 自动发布新版本：评测集的状态为已发布，可以直接在评估任务中使用。
- 保持草稿状态：评测集的状态为草稿态，需要发布后才能在评估任务中使用。发布评测集请参考发布评测集版本。
自动发布新版本
字段映射
设置智能合成的数据字段和评测集字段及映射关系。
目标字段：设置将评估结果的数据字段回流到评测集具体哪一列。
必填：设置评测集的列是否为必填项。
注意：不支持多个字段回流到评测集同一列。如果选择回流到已有列，已有列的数据类型不支持修改，数据类型不一致可能导致回流失败。
字段映射请参考图2 创建评测集配置示例
表2 已有评测集 参数
说明
示例
目标评测集
选择数据添加到已有评测集或创建评测集。
选择“已有评测集”
目标评测集名称
选择将智能合成数据具体要添加到的目标评测集。
科学知识
目标评测集列
展示已选择的目标评测集中已有的列名。
agentinput、reference_output
添加策略
数据导入评测集的方式，支持追加数据或全面覆盖。
- 追加数据：在评测集已有数据下新增智能合成数据。应确保导入选择的数据后，评测集的数据不超过上限。
- 全量覆盖：清除评测集已有数据后，新增数据。
追加数据
评测集版本
导入数据后评测集是发布状态还是草稿状态。
- 自动发布新版本：评测集的状态为已发布，可以直接在评估任务中使用。
- 保持草稿状态：评测集的状态为草稿态，需要发布后才能在评估任务中使用。发布评测集请参考发布评测集版本。
自动发布新版本
字段映射
设置评估结果数据字段与评测集字段之间的映射关系，实现数据的回流。
目标字段：评测集中用于接收评估结果数据的列。配置时，需指定评估结果数据回流至评测集的具体列名。
注意：配置约束与说明：
- 不支持将多个评估结果字段映射至评测集的同一列（即不能“多对一”映射）。
- 如果选择回流至评测集的已有列，该列的数据类型不支持修改。请确保源数据类型与目标列一致，类型冲突将导致回流失败。
- 目标评测集中的所有必填字段均必须完成映射，否则无法导出至评测集。
字段映射请参考图3
步骤三：导入至评测集
- 配置完成，确认信息无误后，单击“确定”。
- 导入成功后，单击右上角提示框中的“查看详情”，在跳转的评测集详情页面中查看已添加的数据。
图4 查看详情
