查看评估结果

前提条件

• 已开通AgentArts服务。
• 登录用户为空间所有者、空间管理员、开发工程师、运维工程师，详细信息请参考管理团队空间成员。

查看评估结果

评估结果页面是评估任务执行结果的详细视图，旨在帮助您从宏观统计下沉到微观案例，进行深度复盘。

• 全链路数据分析

  该页面涵盖了从输入到评估的完整过程。您不仅可以查看原始输入、智能体实际输出和设定的预期输出，还能获取评估器给出的具体得分以及详细的评分理由。通过直观对比“实际输出”与“预期输出”，您可以快速判断智能体的回答质量，精准定位回复偏差，从而有效验证评估结果的准确性。

• 深度分析与优化

  详细的得分和得分理由能帮助您精准定位问题。例如，您可以识别出智能体是否存在“幻觉”、指令遵循是否严格，或者评估器是否出现了误判。这些洞察将直接指导您优化智能体或调整评估器的评分标准，从而提升整体评估体系的准确性。

• 高效筛选与聚焦

  为了应对大量数据，页面提供了灵活的筛选功能。您可以根据属性快速过滤数据。

在“评估任务”页面，单击评估任务名称，可以进入评估结果页面查看Agent的评测数据、实际输出、期望输出，以及得分。单击操作列“详情”，可查看评估数据明细。

图1 查看评估结果

图2 查看评估数据明细

查看评估报告

在“评估报告”页签中，您可全面、直观地查看评估任务的最终结果。页面采用模块化设计，分为总览、得分统计、人工标注统计三大区域，从多个维度呈现评测数据的表现，助力您高效分析与决策。

图3 评估报告

总览

得分统计

通过直观的柱状图，可以清楚地了解各数据项的得分表现，主要包含以下内容：

• 得分总览：展示评测数据在评估器中的整体得分情况，包含：平均分、最高分、最低分和总分。
• 评估器得分分布：按评估器维度，分别展示评估任务中所选评估器的平均得分与数据的得分分布情况。

人工数据标注

如果您已对评估结果进行人工标注，该区域将展示标注详情，将标注的结果进行归类。

标签分类统计：展示任务中所有标注标签的分类情况，清晰呈现各类标签的占比。

更多操作

在评估结果中，还可以执行如表1的操作。