评估生成式AI质量的指标可分为定量指标、定性评估及任务场景化指标三大类。定量评估指标图像生成专用指标：包括Inception Score（IS），衡量生成图像多样性，分数越高越好；Fréchet Inception Distance（FID），对比生成图像与真实数据集特征相似度，值越低越好；LPIPS，基于人类感知评估图像质量和失真。文本/通用生成指标：有BLEU、ROUGE，衡量生成文本与参考文本重叠度；精度与召回率，评估信息抽取任务输出的准确性和完整性；事实一致性，检测生成内容与事实或输入信息的匹配度。定性与混合评估方法人工评估：由专家或用户对生成内容的真实感、流畅性等主观维度打分，适用于难以量化的场景。模型辅助评估（LLM - as - a - Judge）：利用高性能语言模型根据预设标准对输出打分，平衡成本与效率。风险与安全评估：检测生成内容的有害信息倾向，确保符合伦理规范。任务场景化指标代码生成：关注语法正确性、逻辑合理性等，结合静态分析和动态测试验证。对话系统：评估交互连贯性、上下文一致性及用户意图匹配度。创意生成：强调多样性、创造性及风格一致性。实际应用中，需结合定量指标和人工/模型主观评估，根据任务驱动选择指标，实现全面质量把控。