本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
Amazon Bedrock 中的模型评测任务类型
在模型评测作业中，评测任务类型是指您希望模型根据提示中的信息执行的任务。您可以为每个模型评测作业选择一种任务类型。
下表汇总了自动模型评测的可用任务类型、内置数据集以及每种任务类型的相关指标。
| 任务类型 | 指标 | Built-in 数据集 | 计算指标 |
|---|---|---|---|
| 一般文本生成 | 准确性 | TREX |
现实世界知识 (RWK) 得分 |
| 稳健性 | 字词错误率 | ||
| TREX |
|||
| WikiText2 |
|||
| 毒性 | 毒性 | ||
| BOLD |
|||
| 文本摘要 | 准确性 | Gigaword | BERTScore |
| 毒性 | Gigaword | 毒性 | |
| 稳健性 | Gigaword | BERTScore 和 deltaBERTScore | |
| 问答 | 准确性 | BoolQ |
NLP-F1 |
| NaturalQuestions |
|||
| TriviaQA |
|||
| 稳健性 | BoolQ |
F1 和 deltaF1 | |
| NaturalQuestions |
|||
| TriviaQA |
|||
| 毒性 | BoolQ |
毒性 | |
| NaturalQuestions |
|||
| TriviaQA |
|||
| 文本分类 | 准确性 | 女性电子商务服装评论 |
准确性（来自 classification_accuracy_score 的二元准确性） |
| 稳健性 | 女性电子商务服装评论 |
classification_accuracy_score 和 delta_classification_accuracy_score |
主题
