Zovda
试点存在的意义，是回答一个问题：把这件事完整跑一遍，会不会让我的模型朝我想要的方向变。大多数试点设计来回答另一个问题：这家供应商好不好合作。
好合作当然值得知道，但不值得六周。
先把决定写下来
在第一批数据到达之前写清：什么结果你会说「可以」、什么结果你会说「不行」、什么情况你会说「延长」。
如果这三个答案和上次一样，那这次叫续约，不叫试点。
测难的那一片，不是容易的
用干净、规整的样例做试点，一定会通过。那只证明链路能跑，而你早就知道。
拿当前模型失败的案例做试点。那里才是一个数据源「有没有东西」的地方。
把基线冻住
用同一套留出集、同样的提示、同样的解码参数、同一个评分人来评试点模型和基线。四项里任何一项不同，比较就没法读。
给搭建阶段设时限
如果第一批可用数据花的时间比评测还长，这个试点测的是物流。这也是一个正当的发现，应该照实报。
无论成败都写备忘录
一个写明原因的失败试点，比一个什么都没写下来的成功试点更值钱。失败通常出在「任务和数据不匹配」上，而这是可复用的知识。
Zovda 通过 Datuva 做试点，试点批次的结构和正式交付完全一样。题库与推理语料展示了小规模下的格式。
告诉我们什么结果会让你改变主意，我们会在 1 个工作日内回复。