如何对大模型的业务进行测试？

昨天面试遇到了这个问题，对这个有些疑问

我的回答是：

1.提供不同的提示词，查看返回结果的质量，与正确答案的差异

2.查看返回的响应速度

3.提供一些涉及隐私安全的、不适合的提示词，查看是否会被拒绝回答

面试官不是很满意，说我这些偏向于应用层面

刚刚查阅了一下：

可以数据收集、数据预处理、模型训练、模型验证、模型评估这样的普适方法

评价指标有F1（精确率和召回率的调和平均值）、RougeL（生成摘要和基准摘要的最长公共子序列）、sacreBLEU（生成文本与参考文本在不同长度的N元组的匹配情况）

有兄弟做实际的相关业务吗，这个问题应该怎么回答呢？求解

6.6号更新：

1.使用一些通用的数据集对模型效果进行评测（GLUE、superGLUE）

2.使用不同的任务进行评测，数学题，编程题，阅读理解，自然知识，科学知识，文本生成，翻译等

3.鲁棒性测试，提示词中间存在拼写错误 ，错别字，模糊提示等

4.不同的硬件资源对响应进行测试（类似对接口进行性能测试）

5.模拟实际用户使用场景进行提示，并收集用户反馈