数据与评测
【多模态评估指标设计】请描述你设计过的最复杂的多模态评估指标。 「蚂蚁集团」
原题【多轮对话维度分析】追问1：如果是benchmark上的多轮对话维度分数低，要怎么进一步分析？ 「字节Seed」
原题【大模型评估方法论】评估方法论：如何科学评估大模型性能？ 「阿里巴巴」
原题项目中的背景 挑战 困难 测评
对于训练完的模型 如果做比较完整的测评 要从哪些方面考虑 业务场景如何测试？
原题完整原题
【完整测评考虑因素】项目中的背景 挑战 困难 测评 对于训练完的模型 如果做比较完整的测评 要从哪些方面考虑 业务场景如何测试？ 「百度」
【模型评估可信度】使用Qwen-VL-2.5这样的模型做模型评估如何保证可信度？ 「腾讯混元」
原题【评估体系设计】设计评估体系，包含:动态模糊程度分级、运动速度区间、识别准确率衰减曲线。 「京东」
原题【评判模型准确率验证】依靠模型自动评判，你在训练优化过程中，有没有验证过评判模型自身的准确率？ 「阿里巴巴」
原题【评测结果与COT分析】追问2：如果已获取权威benchmark各维度的评测结果和COT，要怎么进一步分析？ 「字节Seed」
原题【轨迹评估】AReal怎么评估一个轨迹新旧混杂程度？ 「腾讯混元」
原题【风控模型上线评估】你如何评估一个风控模型上线后的实际效果?除了AUC还看什么? 「蚂蚁集团」
原题
暂无题目