عينات التقييم وتحليل الأخطاء

relevant = {"doc-a", "doc-b"}
ranked = ["doc-a", "doc-x", "doc-b"]
for k in [2, 3]:
    selected = ranked[:k]
    hits = len(set(selected) & relevant)
    precision = hits / len(selected)
    recall = hits / len(relevant)
    print(k, f"{precision:.2f}", f"{recall:.2f}")

2 0.50 0.50
3 0.67 1.00

عند 2 القيم 0.50 وعند 3 الاستدعاء 1.00 والدقة 0.67، كحساب عينة لا جودة نموذج.

evaluation_revision: lab-eval-4
held_out_groups: separated-from-prompt-development
corpus_revision: lab-corpus-7
required_checks: [support, format, access, abstention]
release_gate: no-required-check-regression-without-review
measurement_status: no-real-model-run-in-this-record

يسمي التكرار والمراجعة ولا ينفذ معيارا أويقدم ذهبا أويصادق على مرور.