管理评测集

评测集是一组用于驱动评估的测试用例。每条用例至少需要一个问题；参考答案不是所有评估器都必需，但对于答案准确性、回答完整性和事实准确性等评估非常重要。

从 Excel 导入

上传评测集弹窗示例如下：

导入文件支持以下列名，中英文表头均可：

字段	中文列名	是否必填	说明
`session_id`	会话ID	否	多轮对话中，同一会话的多条用例使用相同 ID
`request_id`	请求顺序	否	多轮对话中标记每一轮的顺序，从 1 递增
`query`	问题	是	发送给智能体的用户输入
`answer`	答案	否	参考答案，也可使用 `reference_output` 或 `expected_output`

单轮用例可以不填写 session_id 和 request_id。使用多轮用例时，请保证同一会话的请求顺序连续；一次评估运行时，每个会话最多处理 10 轮。

AI 生成评测集弹窗示例如下：

可以提供以下上下文，帮助 AI 生成更贴合业务的用例：

生成任务在后台执行，评测集列表会显示 生成中、就绪或失败状态。生成完成后打开评测集详情，检查并修改用例。

AI 生成的问题和参考答案可能存在遗漏或错误。将其作为正式基准集使用前，请进行人工抽查。

打开评测集的查看操作，可以：

如果评测集正被运行中的评估任务使用，系统会限制可能影响任务一致性的修改操作。建议复制或导出后再维护长期使用的基准数据。