评测集

带充分上下文的私有评测集。技术会变，靠它快速验证新技术对业务有没有帮助。

当前判断（截至 2026-09-21）

• 技术一直在变。要快速验证它对业务有没有帮助，靠一套带充分上下文的私有评测集。见 [[eval-set-outlasts-the-model]]。
• 公开榜和厂商工作流评测量的是别人的题。自己的业务上下文只有自己有。
• 现场：20 条钉钉入站消息 × 3，半天之内对入站去向这一格给出准、稳、便宜的读数。见 [[eval-set-outlasts-the-model]]。
• 与 [[ai-driven-workflow]] 的分工：那篇说写下来的是怎么走加怎么算走完；本页握住「算走完」用的那套私有题。

来自哪些文章

• [[eval-set-outlasts-the-model]]