*EvaluationDatasets object[] 必选 | 评测集列表 *评测集列表，用于评测目标模型在不同能力维度上的表现。可同时指定多个评测集组合评估。 *说明 *评测集支持平台预置（AdminDataset）与用户自定义（UserDataset）两类。用户自定义评测集需先上传至 TOS（仅支持华北 2-北京地域），并按平台规定的 JSONL 格式组织样本。 *DatasetType string 必选 | 评测集类型 *EvaluationDatasets.DatasetType *评测集类型，决定评测集来源： *AdminDataset：平台预置评测集。 *UserDataset：用户自定义评测集（需通过 TOS 上传）。 *Method string 必选 | 评测算法 *EvaluationDatasets.Method *评测算法，决定如何对模型输出进行打分： *Include：包含匹配，模型输出中包含期望答案即判正确。 *BuiltIn：平台内置算法（如 LLM-as-Judge 等）。 *Match：精确匹配，模型输出与期望答案完全一致才判正确。 *InferenceOnly：仅做推理、不进行评分，常用于数据采集场景。 *AdminEvaluationDatasetId string | 预置评测集 ID *EvaluationDatasets.AdminEvaluationDatasetId *平台预置评测集的 ID。当 DatasetType 为 AdminDataset 时填写。 *EvaluationAbility string | 评测能力维度 *EvaluationDatasets.EvaluationAbility *评测集所覆盖的能力维度名称，例如 MMLU、CMMLU 等。 *ScoringWeight integer | 评测分数比重 *EvaluationDatasets.ScoringWeight *评测集在最终综合评分中所占的分数权重，数值越大该评测集对综合分数的影响越大。 *TosLocation object | 评测集 TOS 位置 *EvaluationDatasets.TosLocation *用户自定义评测集在 TOS 中的存储位置。当 DatasetType 为 UserDataset 时必填。 *BucketName string 必选 | TOS 桶名称 *EvaluationDatasets.TosLocation.BucketName *注意 *当前火山方舟仅支持华北 2-北京地域（region: cn-beijing）的 TOS 桶。请在创建或选择桶时确认地域。 *ObjectKey string 必选 | TOS 对象路径 *EvaluationDatasets.TosLocation.ObjectKey *TOS 对象路径（Object Key），指向具体的评测集或结果文件。

*Name string 必选 | 任务名称 *模型评测任务的名称，用于在控制台和接口中标识该任务。

*DatasetFormat string 默认值 SingleTurn | 评测集数据格式 *评测集数据格式，决定平台如何解析评测集样本： *SingleTurn：单轮对话格式。 *MultiTurn：多轮对话格式。

*Description string | 任务描述 *模型评测任务的描述，用于补充说明任务用途、背景等信息。

*DryRun boolean 默认值 false | 是否仅做预检 *是否仅对此请求进行预检： *true：仅做参数与权限校验，不会真正创建评测任务。 *false：发送正常请求，创建评测任务。

*EndpointId string | 接入点 ID *接入点 ID。当通过接入点（Endpoint）指定评测对象时填写，可在控制台的接入点列表页获取。与 ModelReference 二选一。

*EvaluationJobSettings object | 高级设置 *评测任务的高级设置，包含推理参数、结果存储位置、裁判模型 system prompt 等。 *EnableLogProbs boolean | 是否启用 Logprobs *EvaluationJobSettings.EnableLogProbs *是否在评测过程中启用 Logprobs（返回每个 token 的对数概率）。 *InferenceParameters object | 推理参数 *EvaluationJobSettings.InferenceParameters *推理参数配置，控制评测过程中模型的生成行为。 *FrequencyPenalty string | 频率惩罚系数 *EvaluationJobSettings.InferenceParameters.FrequencyPenalty *频率惩罚系数。值为正数时，会根据新 token 在生成文本中出现的频率施加惩罚，降低模型逐字重复的概率。 *取值范围：[-2, 2] *Logprobs boolean | 是否启用 Logprobs *EvaluationJobSettings.InferenceParameters.Logprobs *是否在推理结果中返回每个 token 的对数概率（Logprobs）。 *MaxTokens integer | 最大输出 token 数 *EvaluationJobSettings.InferenceParameters.MaxTokens *模型本次推理可生成的最大 token 数。 *取值范围：[0, 4096] *Stop string[] | 停止生成字符串 *EvaluationJobSettings.InferenceParameters.Stop *停止生成的字符串列表。模型遇到列表中任一字符串时立即停止生成，且该字符串本身不会输出。最多支持 4 个。 *Temperature string | 采样温度 *EvaluationJobSettings.InferenceParameters.Temperature *采样温度。控制对每个候选 token 概率分布的平滑程度，值越大输出越随机、越小越确定。 *取值范围：[0, 1] *TopLogprobs integer | TopLogprobs 数量 *EvaluationJobSettings.InferenceParameters.TopLogprobs *每个输出 token 位置最多返回的最可能 token 数量，每个 token 都附带对数概率。仅当 Logprobs 为 true 时生效。 *取值范围：[0, 20] *TopP string | 核采样概率阈值 *EvaluationJobSettings.InferenceParameters.TopP *核采样概率阈值。模型只考虑累计概率落在 TopP 内的候选 token 集合。 *取值范围：[0, 1] *LLMJudgeMetricSystemPrompt string | 裁判模型 system prompt *EvaluationJobSettings.LLMJudgeMetricSystemPrompt *裁判模型（LLM-as-Judge）的 system prompt，用于描述评估指标和打分规则。仅当评测算法为 BuiltIn 且涉及 LLM 裁判时生效。 *ResultTosLocation object | 结果存储 TOS 位置 *EvaluationJobSettings.ResultTosLocation *评测结果在 TOS 的存储位置。未指定时使用平台默认存储。 *BucketName string 必选 | TOS 桶名称 *EvaluationJobSettings.ResultTosLocation.BucketName *注意 *当前火山方舟仅支持华北 2-北京地域（region: cn-beijing）的 TOS 桶。请在创建或选择桶时确认地域。 *ObjectKey string 必选 | TOS 对象路径 *EvaluationJobSettings.ResultTosLocation.ObjectKey *TOS 对象路径（Object Key），指向具体的评测集或结果文件。

*IgnoreCache boolean | 是否忽略缓存 *是否忽略推理缓存。开启后即便存在历史相同输入的推理结果，也会重新调用模型推理。

*InferenceType string 默认值 ChatInference | 推理类型 *推理类型，决定评测时调用模型的方式： *BatchInference：批量推理，适合大规模评测，吞吐高、延迟不敏感。 *ChatInference：在线推理，逐条请求，延迟低。

*ModelReference object | 评测对象（模型） *评测对象（模型）的引用信息，用于指定参与评测的模型。与 EndpointId 二选一指定评测对象。 *CustomModelId string | 定制模型 ID *ModelReference.CustomModelId *定制模型的 ID。当评测对象为定制（精调）模型时填写。 *FoundationModel object | 基础模型 *ModelReference.FoundationModel *基础模型引用。当评测对象为基础模型时填写。 *ModelVersion string 必选 | 基础模型版本 *ModelReference.FoundationModel.ModelVersion *基础模型的版本号。 *Name string 必选 | 基础模型名称 *ModelReference.FoundationModel.Name *基础模型的名称，例如 doubao-seed-2-1-pro-260628。

*Platform string | 平台标识 *调用方平台标识，用于平台侧统计与路由，通常无需手动设置。

*ProjectName string 默认值 default | 项目名称 *资源所属的项目名称。若资源不在默认项目中，需填写正确的项目名称。

*Tags object[] | 任务标签 *模型评测任务绑定的标签列表，用于资源分类与检索。 *Key string 必选 | 标签键 *Tags.Key *Value string 必选 | 标签值 *Tags.Value

*Id string | 评测任务 ID *新创建的模型评测任务的 ID。可用于后续查询、更新、终止或删除该任务。