配置并执行评测

评测任务用于保存一套可重复使用的评测配置，包括用例集、执行岗位、模型和评测指标等。每执行一次任务，系统都会生成一条新的执行记录，方便查看本次运行结果。

新建任务

填写任务名称，选择要跑的用例集与执行岗位。

选择会话模式

「独立会话」让每条用例各自起一个新会话，互不干扰；「会话复用」让用例在同一会话内连续提问，适合测试连续追问和多轮上下文。

选择模型与并发

分别指定执行模型（岗位回答用）与评测模型（打分用）。执行并发数决定同时跑多少条用例，评测并发数决定同时评多少条——数值越大越快，但占用更多资源。

勾选评测指标

勾选这一次参与评测的指标，已有指标默认全选，按需取消即可；需要周期性回归时打开「定时设置」，按所选周期自动触发执行与评测。

任务列表的行操作支持「执行」（只跑不评）与「执行+评测」（跑完直接打分），也可以编辑或删除配置。

在「执行记录」中，可以查看每次执行的状态、进度、耗时和开始时间。页面顶部会汇总批次总数，以及执行中、评测中、已完成和失败的数量。点击具体记录，可进一步查看评测报告；已完成的记录也支持重新评测。

✓

第一次跑建议先用小用例集 + 低并发验证链路通不通，确认结果符合预期后再放开并发跑全量。