从真实失败建立评估样本

　　上一节，我们学会了从实际结果中找到差距，提出反馈，再检查修改是否有效。但还有一个问题：这次改对了，重新运行一次，或者换一份材料，还能达到同样的效果吗？

　　如果每次只看最新的结果，就容易忽略过去出现过的问题，也难以判断新方法是否真的有所改善。因此，我们需要保留真实任务和对应的检查标准，让不同轮次的结果能够放在一起比较。

　　这些记录就可以成为反复验证改进效果的评估样本。这一节，我们学习怎样建立评估样本、选择需要覆盖的情况，以及如何根据实际结果判断改进是否有效。