这是一个理论问题。我是人工智能和机器学习的新手，越看越喜欢这个。到目前为止，我一直在阅读有关语言模型评估的内容（我专注于 ASR），但我仍然没有得到开发测试集的概念。

我遇到的最清楚的解释如下（摘自Dan Jurafsky 和 ​​James H. Martin的《语音和语言处理》（第 3 版草稿）一书的第 3 章）

有时我们经常使用特定的测试集，以至于我们隐含地调整到它的特征。然后，我们需要一个真正看不见的新测试集。在这种情况下，我们将初始测试集称为开发测试集或 devset。

无论如何，我仍然不明白为什么必须使用额外的测试。换句话说，为什么训练和测试集还不够？