一、适用问题
1. GPT在处理复杂文本任务时的准确性
2. GPT在多轮对话中的逻辑连贯性
3. GPT在不同语言和语境下的适应能力
4. GPT在生成内容时的原创性和合规性
5. GPT在处理敏感或争议性话题时的反应
6. GPT在多任务并行处理时的效率与稳定性
7. GPT在不同输入格式下的处理能力
8. GPT在生成内容时的逻辑结构和语法规范
9. GPT在多语言支持方面的表现
10. GPT在生成内容时的可读性和用户友好性
二、准备资料
1. 用户输入文本（如新闻、文章、对话等）
2. 输出结果（如生成的文章、回复、分析等）
3. 任务描述与预期输出
4. 评估标准与指标（如准确率、响应时间、内容质量等）
5. 使用场景的详细说明（如多语言支持、多任务处理等）
6. 评估工具与方法（如自动评分系统、人工审核等）
7. 可能出现的错误类型及应对策略
8. 产品版本与配置信息
9. 用户反馈与使用数据
10. 产品功能与性能的基准数据
三、具体步骤
1. 确定评估任务与目标
2. 收集并整理相关资料
3. 设计评估方案与测试用例
4. 执行评估测试并记录结果
5. 分析评估结果并生成报告
6. 根据结果调整优化产品功能
7. 记录测试过程与发现的问题
8. 生成验收结论与建议
9. 与相关方沟通验收结果
10. 形成验收文档与交付物
四、虚构示例
虚构示例：用户输入一段关于气候变化的新闻报道，要求GPT生成一篇分析文章，要求涵盖主要观点、数据支持、专家观点以及未来趋势预测，并确保内容符合事实与逻辑。GPT需在不使用外部数据的前提下完成任务，并生成结构清晰、语言流畅的文章。
五、核对清单
1. 任务描述是否明确
2. 输入文本是否完整且符合要求
3. 输出结果是否符合预期
4. 评估标准是否合理
5. 测试用例是否覆盖主要场景
6. 评估过程是否有记录
7. 结果分析是否全面
8. 问题发现是否准确
9. 改进措施是否可行
10. 验收结论是否客观公正
六、常见误区
1. 未明确任务目标，导致评估结果偏离预期
2. 输入数据不完整或格式错误，影响评估质量
3. 未进行充分测试，遗漏关键场景
4. 评估标准不统一，难以比较不同结果
5. 未记录测试过程，影响复现性
6. 未与用户沟通，缺乏反馈机制
7. 未考虑产品版本差异，影响评估结果
8. 未分析问题根源，无法优化产品功能
9. 未关注用户实际使用场景，导致评估不具代表性
10. 未进行多角度验证，缺乏全面性