📝 长文本评测与RAG评测

📌 一句话概括

长文本评测关注模型对长上下文的处理能力（"大海捞针"测试），RAG评测关注检索增强生成中检索质量和生成质量的双重验证。

💡 长文本评测

• 大海捞针测试：在长文本中插入关键信息，验证模型能否准确找到
• 位置偏差测试：关键信息在文本不同位置时模型的表现差异
• 长文本摘要：长文档的摘要质量评估

💡 RAG评测

🔍 测试实战

1. 大海捞针测试

操作：构造32K~128K长度的测试文本，插入关键信息验证

2. RAG检索评估

操作：构建检索测试集，评估不同检索策略的效果