模型评测用于在统一的评测任务中，对模型能力、性能与结果质量进行量化验证和分析。通过标准化的数据集、评测配置和结果展示，帮助用户高效完成模型选型、版本验收和效果迭代。

核心功能

• 创建评测：选择待评测模型、评测集与评测配置，发起一次可追溯的评测任务。
• 评测详情：查看任务状态、指标结果、样本明细和运行信息，定位模型表现差异。
• 对比评测：将多次评测结果并列比较，辅助模型、版本和参数配置的决策。

适用场景

• 模型上线前的效果验收与基线校验。
• 多模型或多版本的能力、性能对比与选型。
• 具身模型 task、执行参数等迭代后的效果回归。
• 按统一口径沉淀团队评测结果，形成可复用的评测资产。

权限说明

使用模型评测前，需要具备目标项目或工作空间的访问权限，以及相关模型、数据集和计算资源的使用权限。无权限时，请联系项目管理员开通。

典型使用方式

1. 准备待评测模型。
2. 创建评测，配置评测指标、评测规模与运行参数。
3. 在评测详情中查看结果与样本分析，确认模型表现。
4. 发起或查看对比评测，比较多个模型、版本或配置，并据此完成选型或迭代。