# LLM系统离线评估

离线评测要单独决定一次改动能否上线，需要的不是评测与人工判断是否一致，而是同类改动中评测增益能否预测线上增益；在Upworthy档案的183次独立改动上，两侧测量都很精确，合并后的这一关系仍然很弱，示例门控把每一次改动都送去A/B测试。

离线评测要单独决定一次改动能否上线，需要的不是评测与人工判断是否一致，而是同类改动中评测增益能否预测线上增益；在Upworthy档案的183次独立改动上，两侧测量都很精确，合并后的这一关系仍然很弱，示例门控把每一次改动都送去A/B测试。