AI 机制与工程问答
LLM-as-Judge 有哪些主要偏差，怎么缓解？
原题RAG 评测为什么必须分检索和生成两段？
原题Agent 评测为什么比 RAG 更复杂？
原题离线评测、Trace 回放、线上灰度分别解决什么问题？
原题CI 里的评测如何平衡速度和覆盖度？
原题如果 LLM-as-Judge 和人工评测结果不一致怎么办？
原题Agent eval 里的 task、trial、grader、transcript 分别是什么？
原题Skill 应该怎么单独评测？
原题评测 Harness 在 AI 应用里负责什么？
原题时间和 Web Search 结果一直变化，怎么评？
原题
暂无题目