对比评估任务结果

约束限制

发起对比

1. 登录AgentArts智能体平台。
2. 在左侧导航栏中选择“运营运维 > 评估”，在“评估任务”页签中，单击目标任务“操作”列的“对比”。
3. 在“选择对比对象”弹框中，勾选需要对比的评估任务，单击“确定”。
   图1 选择对比对象
   

查看对比报告

在“对比报告”页签中，您可以全面、直观地查看对比评估任务的总览结果。页面分为以下三大区域，从多维度呈现对比结果：

图2 对比报告

• 总览：采用综合得分、雷达图和表格结合的方式，直观展示基线组与对照组中每个评估器的得分详情，并标注各组最高得分，方便快速查看数据。
• 评估器指标：按评估器维度展示，通过柱状图清晰对比每个评估任务在该评估器中的得分情况。
• 评估器运行时指标：展示每个评估任务中评估器运行耗时和Tokens消耗情况。

查看对比数据

通过数据明细对比，您可以深入分析特定数据项，对单条评测数据在不同评估任务中的表现进行详细对比。通过检查实际输出与评估器得分，验证宏观指标的准确性，从而得出对比结论，指导下一步业务决策（如发布表现更佳的版本上线，或针对问题案例进行进一步优化）。

数据明细除包含评测集自身数据外，还包含以下信息：

图3 对比数据

更多操作

在对比评估结果中，支持以下操作。

表3 更多操作

操作	说明
切换基线任务	在“对比任务结果”页面，单击右上角“基线”右侧的下拉按钮，切换基线任务。 图4 切换基线任务
修改对比对象	在“对比任务结果”中，单击右上角的“管理任务”。 在“选择对比对象”的弹框中，重新选择需要对比的评估任务。 选择完成后，单击“确定”。对比任务结果会根据重新选择的对比对象生成新的对比结果。