Skip to main content
运行多次重复评估可以更准确地估算系统性能，因为大语言模型的输出并非确定性的。每次重复的输出可能有所不同。重复评估是降低高变异性系统（如智能体）噪声的一种方法。

​
在实验中配置重复次数

在 evaluate / aevaluate 函数（Python、TypeScript）中添加可选参数 num_repetitions，以指定对数据集中每个示例进行评估的次数。例如，若数据集中有5个示例且设置 num_repetitions=5，则每个示例将运行5次，总计25次运行。 
from langsmith import evaluate

results = evaluate(
    lambda inputs: label_text(inputs["text"]),
    data=dataset_name,
    evaluators=[correct_label],
    experiment_prefix="Toxic Queries",
    num_repetitions=3,
)

​
查看重复评估实验的结果

如果您使用了重复评估运行实验，输出结果列中将显示箭头，以便您在表格中查看输出。要查看重复评估中的每次运行，请将鼠标悬停在输出单元格上并点击展开视图。当您运行重复评估实验时，LangSmith会在表格中显示每个反馈分数的平均值。点击反馈分数可查看单次运行的反馈分数，或查看重复评估间的标准差。 重复评估
连接这些文档到Claude、VSCode等工具，通过MCP获取实时答案。
在GitHub上编辑此页面或提交问题。