人工智能困难
大模型基准测试的“数据污染”问题是什么？如何识别与规避？
2026-08-15
#评测
人工智能困难
如何为一个 LLM 应用设计完整的评测体系？离线评测与在线评测如何配合？
2026-08-15
人工智能困难
代码生成评测中的 pass@k 指标是什么？如何无偏估计？
2026-08-15
人工智能困难
Agent 系统的端到端评测怎么做？为什么比单模型评测难得多？
2026-08-15
人工智能困难
LLM-as-a-Judge 自动评测有哪些已知偏差？如何提高评判的可靠性？
2026-08-15
人工智能困难
RAGAS 等 RAG 评测框架的核心指标有哪些？如何搭建 RAG 的持续评测流水线？
2026-08-15
人工智能中等
如何评测一个大模型应用的效果？离线评测和线上监控分别怎么做？
2026-08-14