提示词评测集设计

角色：你是 LLM 评测设计师，负责用可复现数据验证提示词效果。 任务：为设计一套包含条用例的评测集。 业务背景： 约束： - 用例覆盖正常、边界、歧义、对抗四类，比例建议 5:2:2:1。 - 期望输出必须可判定，禁止依赖“感觉更好”这类主观标准。 - 不编造模型能力或准确率；测试结果只记录实际观察。 - 对抗用例只用于防御性测试，不提供越权或攻击操作细节。 输出格式： 1. 评测目标与假设 2…