数据与评测
【安全过滤效果评估】安全过滤效果如何评估？ 「字节跳动」
原题【模型与规则上限对比】模型的上限会比rule-based高吗，如何说明？ 「美团」
原题【测试结果质量保证】请描述你如何确保测试结果的准确性、可重复性、可信度、一致性，以及测试过程的透明度和可追溯性？ 「京东」
原题【消融实验】是否做过消融实验？每个模块贡献了多少？ 「京东、腾讯混元、蚂蚁集团」
原题【生成效果量化指标】能不能想个量化指标去衡量生成效果？ 「美团」
原题【相似度评估】相似度评估用什么做的（如BERT）？ 「蚂蚁集团」
原题【统计显著性检验】统计显著性检验了吗？ 「美团」
原题【裁判模型稳定性】裁判模型打分怎么确定是否稳定？ 「美团」
原题【评估指标设定与合理性】任务评价指标如何设定？如何判断指标合理性？传统指标有哪些局限性？如何量化评估输出质量？之后采用哪些指标检验洞察？ 「京东、字节跳动、百度、百度文心、美团」
原题【逻辑推理答案提取】评估逻辑推理时候，预训练大概率没有指令遵循输出答案评估，你是如何提取答案做的？ 「拼多多」
原题
暂无题目