评测任务是应用评测的核心功能，用于对应用的输出质量进行系统化评估。支持智能体应用和工作流应用的评测，可结合自动评估器和人工标签进行多维度评价。
在评测任务页面左上角单击返回旧版，可返回旧版应用评测。
创建评测任务
访问评测任务页面，单击创建评测任务，配置以下基本信息：
字段
说明
任务名称
自定义任务名称，最多50个字符。
任务描述
描述任务的目的或用途，最多200个字符。
选择评测集
从已发布的评测集列表中选择评测集和对应版本。
选择应用
选择应用关联方式，支持三种选项：
不关联应用（默认）：不关联任何应用，适用于纯人工标注场景。
工作流：关联工作流应用，系统将使用评测集数据调用工作流进行评测。
智能体：关联智能体应用，系统将使用评测集数据调用智能体进行评测。
评估器
可添加评估器进行自动评分。选择评估器后，需要配置参数映射，将评估器的变量参数映射到实际数据源。详见评估器。
配置要求：
所有变量都必须完成映射后，才能保存配置
确保映射关系正确，避免评分结果不准确
说明建议为评测任务添加3-5个评估器，从不同维度评估应用质量。常见组合：
相关性评估器（LLM）+ 格式校验评估器（Code）
正确性评估器（LLM）+ 字符串匹配评估器（Code）
智能体工具调用评估器（LLM）+ 参数检查评估器（Code）
每个评测任务最多支持添加10个评估器。
标签
为评测任务添加标签，用于人工标注（可选）：
点击添加标签按钮，从标签列表中选择需要的标签。
标签将用于任务详情页的人工标注功能。
创建任务后也可以在任务详情页中单击标签配置添加标签。
确认所有配置后，点击完成创建按钮创建评测任务。
注意：评测任务发起后将无法修改配置。
管理任务
评测任务创建后，可单击评测任务右侧的详情进入任务详情页。
在任务详情页可查看数据明细和指标统计：
数据明细：展示每条评测数据的详细结果，可进行数据标注、标签配置等操作。
评估器评分结果：自动评分列，显示指定评估器对每条数据的评分（0-1之间或自定义范围）。
标签配置：可为评测任务添加标签。
标注模式：
普通模式：页面平铺展示，字段横向排列。
快速标注：点击后，自定义标签变为可编辑状态。分类标签显示为下拉选择，输入类型显示为输入框，修改后立即保存。
两种模式下均可点击标注查看单条数据的完整信息，进行逐条标注。
指标统计：展示综合得分和评测进度等信息。
计费说明
常见问题
评测任务创建后可以修改吗？
评测任务创建后，任务配置（应用、评测集）不可修改，但您可以随时添加人工标签进行标注。如需使用不同配置，请创建新的评测任务。
"不关联应用"选项的作用？
“不关联应用”适用于纯人工标注场景。选择此选项后，系统不会自动调用任何应用进行评测，您需要完全依靠人工标签进行数据标注和评价。
评估器和标签如何配合使用？
评估器用于自动评分，适合有明确规则或标准答案的评测维度。标签用于人工标注，适合需要主观判断的评测维度。在同一个评测任务中，您可以同时使用评估器进行自动评分，并添加标签进行人工补充标注，实现全面的评测覆盖。
如何返回旧版应用评测？
访问应用评测页面，在左上角单击返回旧版。
