AI 技术 第2页

多分类任务除了看每类表现，还常汇总成一个分数。macro给每个类别同样权重，weighted按各类真实样本数加权，二者回答的问题不同，不能省略名称只报一个“平均分”。

解释知识库为何需要记录文档版本、适用时间和来源，区分同名资料的更新内容，减少检索时混入过期说明。

测试全部通过，可能是实现正确，也可能是测试没有覆盖真正的要求。审查AI给出的测试时，应先确认预期结果来自需求，再观察它能否识别一个明确错误。

工具只返回“失败”，AI很难判断应该改参数、缩小范围还是停止。设计错误响应时，可以说明错误类别、相关字段与允许的修正方向，避免让模型凭空猜测。

让AI筛选需要人工处理的反馈时，既可能把普通反馈误报为问题，也可能漏掉真正的问题。只看一个总体准确率，很难知道下一步应该修正哪类错误。

扫描PDF里的内容可能主要存在于图片中。模型能接收文件，不等于每页的小字、表格和手写内容都被准确理解；摘要之前先检查输入质量和处理范围。

多模态模型可以分析图片，但图表中的小字、裁切和比例会影响理解。交给AI总结之前，先确认图表完整，并要求它区分可见信息与无法辨认的部分。

检索结果里已经有正确资料，却被不相关片段挤到后面，可能需要检查排序。重排处理的是已有候选，不能保证找回从未进入候选集合的文档。

对话看起来连续，不代表每次请求都自动拥有全部历史。使用多轮接口时，应明确哪些上下文由客户端发送，哪些由服务提供，并把业务完成状态单独保存。

把录音变成文字，除了识别句子，还可能涉及说话人分段、时间点和摘要。某句话被转写正确，并不证明它已经归到正确的人名下面。