数据与评测
【Agent评估】Agent系统的整体效果怎么评估？ 「字节跳动、美团」
原题【AI生成检测泛化性】AI生成检测你的方法对新出现的生成器来讲，效果如何？ 「蚂蚁集团」
原题【AUC回归应用】AUC怎么适用于回归问题？ 「拼多多」
原题【Deep Research报告评估】deep research的report评估方法是什么？ 「腾讯」
原题【LLM作为裁判】要llm-as-judge评测财务指标计算是否正确，该有哪些评估标准？ 「字节跳动」
原题【代码评测集效果分析】假设GitHub的一个客观评测集，模型评估效果不好，可以从长代码和短代码出发，分析造成这种问题的原因。 「百度」
原题【仿真平台模型评估】仿真平台如何评判模型的好坏？ 「美团」
原题【内部评价指标设计】介绍一下内部评价指标，怎么设计的？内部评价指标是否合理，怎么证明？ 「腾讯」
原题【可解释性生成评估】可解释性生成你是如何做的评估？ 「蚂蚁集团」
原题【增量预训练性能提升判断】（追问）如何判断增量预训练是否真正提升了模型性能？ 「腾讯」
原题
暂无题目