真面经，好答案。面试之前，先来面栈。

评测体系与实验设计

本分类共 10 个专题 · 1193 道题

已筛选

共 267 道题

排序：

5069
Agent 评测中的 Task、Trial、Grader 和 Transcript 分别是什么？
AI 应用工程与治理评测体系与实验设计
概念解释
基础
暂无面经2 个题集来源
5153
如何分层评测大模型结构化输出的质量？
AI 应用工程与治理评测体系与实验设计
效果评估
进阶
暂无面经2 个题集来源
5195
Benchmark、Eval、Eval Harness 与 AgentOps 分别承担什么职责？
AI 应用工程与治理评测体系与实验设计
比较选型
进阶
暂无面经2 个题集来源
5196
Agent 评测任务如何定义输入、环境、约束与期望状态？
AI 应用工程与治理评测体系与实验设计
方案设计
进阶
1 篇面经1 个题集来源
5197
与运行时集成的评测 Harness 和外部脚本 Harness 有什么区别？
AI 应用工程与治理评测体系与实验设计
比较选型
进阶
1 篇面经1 个题集来源
5381
A/B 实验如何确定样本量与观察周期？
AI 应用工程与治理评测体系与实验设计
方案设计
进阶
1 篇面经1 个题集来源
5449
实现多分类 Top-K 命中与准确率。
AI 应用工程与治理评测体系与实验设计
代码题
进阶
暂无面经2 个题集来源
5458
分类指标如何按类别与批次正确聚合？
AI 应用工程与治理评测体系与实验设计
原理机制
进阶
暂无面经2 个题集来源
5513
Text-to-SQL 准确性应如何评测，并通过反馈持续改进？
AI 应用工程与治理评测体系与实验设计
方案设计已有答案
进阶
暂无面经2 个题集来源
5577
HumanEval、MBPP 和 APPS 如何组织编码任务并评测生成程序？
AI 应用工程与治理评测体系与实验设计
原理机制
进阶
暂无面经2 个题集来源