在模型之前构建评估工具。语音识别和大语言模型的研发与开发通用语音识别和大语言模型的性能每天都在提升。然而，当试图将它们集成到自己的产品中时，你不可避免地会遇到诸如“我们能说哪些改进？”以及“我们应该用什么样的数据来评估和训练它们？”这样的问题。 即使公开基准测试得分上升，也不一定意味着用户体验会改善。真正必要的是建立与产品价值直接相关的评估指标，并创建我们能够自行衡量的数据。在Nishika，我们持续进行这些评估2026-11-10T19:00:00+09:00