数据与评测
【评估体系设计】固化成上线前的评估标准。你会怎么设计评估体系？ 「字节Seed」
原题为什么需要对RAG进行评测？ 「腾讯混元」
原题你觉得什么是一个好的benchmark？ 「腾讯」
原题假设有一组主观任务，大概是给一段文字判断情绪类别，这是多分类的任务，而最好的闭源大模型也没法达到80%以上的正确率，那么如何构造出正确的评测集？ 「腾讯」
原题基座模型怎么评估？ 「美团」
原题多语言场景怎么评估：如何做一套简单可执行的离线评测集？如何覆盖不同语言与类目？ 「拼多多」
原题如果你发现一个测试用例覆盖率不足，你会如何改进？ 「京东」
原题如果你负责一个全新的自动驾驶项目，你会如何制定测试策略？（包括可靠性测试、回归测试、安全测试、端到端测试、集成测试、验收测试、验证测试等不同维度的测试策略/流程设计） 「京东」
原题工具调用准确率怎么定义的，评测集怎么构建的，badcase在哪？ 「蚂蚁集团」
原题怎么验证数据质量，用什么basemodel，用什么评测集？ 「腾讯」
原题
暂无题目