等等，你们进行评估吗？

Source: Dev.to

Introduction

一提到这个表达，我脑海里会浮现一个 meme，但我找不到相关的图片。

The Problem with Standard Benchmarks

每当你构建一个系统、产品或任何依赖模型做决策的后端时，通常会寻找一些同行评审的基准测试，运行最难的任务，并给自己一个“反奉承糖果”，以查看自己的位置——是高于还是低于竞争对手。

Limitations of Existing Metrics

很好，但有些指标并不适用于你的具体使用场景。你是否曾经停下来思考，构建一种专门的评估方法，以揭示系统的真实优势？

Building Custom Evaluations

创建专门的评估可以揭示关于你工作的全新发现——包括正面和负面。结果会成为一张需要抑制的失败点和需要强化的优势点的地图。

Why It Matters

我们每个人都有自己的蓝图和看待、运行事物的方式。这样的观点（POV）在讨论中有其价值。

Thanks for reading.