本章进度 14 / 18
78%
正文已完成
L181分数波动多少才算真的退化
用样本级差异、容差、重复运行和阻断规则区分噪声与回归。
把“回归测试”从听懂变成会判断，避免遇到真实任务时仍靠感觉选择。
建议先理解同主题上一课的核心概念，再完成本课判断练习。
- 无需安装新工具
- 准备一个可对照的真实问题或样本
生成结果有波动，单次总分差 1% 未必是退化。但关键样本从通过变失败，可能比平均下降更重要。
能为随机输出设定比“分数下降即失败”更可靠的回归判定。
核心概念
先把关键判断说清楚
先看样本级转移
统计 pass→fail 和 fail→pass，定位变化集中在哪些分层。
随机任务重复运行
对高波动样本运行多次，报告通过率或最差表现。
阻断规则不设宽容
越权、泄密和编造金额一旦出现即可阻断，不用统计平均。
案例拆解
总分只降 0.5%，却多了两次泄密
新版表达质量提高，隐私样本两次输出完整手机号。
- 01
样本级差异发现两个 privacy pass→fail。
- 02
隐私泄露设零容忍，不使用总体容差。
- 03
阻断发布并定位脱敏层回归。
案例结果
容差没有被滥用来掩盖安全退化。
提交前练习
现在轮到你
为三类指标制定回归判定。
完成本课需要：完成以下内容用于本课收口。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
Schema 合法率确定性不可下降；语义覆盖按历史波动允许 1.5%，边界样本重复3次；编造数字/泄密任一次即阻断。
评分标准
- 容差按指标区分
- 随机性有重复控制
- 高风险未被平均
本课收口 · 应用检查
完成一次应用，再检查理解
完成一次必填练习，再通过理解检查；阅读标记和总结不设硬门槛。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- Evals↗official-docs · 核对日期 2026-08-23
- NIST AI Risk Management Framework↗standard · 核对日期 2026-08-23