完成微调过程后，下一步自然是评估模型的性能并为其推理做好准备。模型的价值取决于其在特定任务上的有效性，本章将介绍衡量这些有效性并使其投入实际使用的方法。

我们将从建立一个评估框架开始。这包括应用ROUGE、BLEU和困惑度等量化指标，这些指标可以来源于交叉熵损失 $H(p,q)$，通常表示为 $2^{H(p,q)}$。除了这些自动化分数外，你还将学习进行定性评估，即通过人工判断来检查输出的连贯性和相关性。然后，你将了解如何构建自动化流程来系统地应用这些技术。

本章最后将连接评估与部署。这包括将训练好的PEFT适配器与基础模型合并以创建独立成品，以及为最终模型的高效推理做准备等实际操作步骤。