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 · 1023 道题

已筛选

共 232 道题

排序：

4287
智能问数评测 Query 如何生成，怎样覆盖产品字段和真实问题？
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
4374
如何验证抑制模型幻觉策略的有效性？
AI 应用工程与治理评测体系与实验设计
效果评估
进阶
1 篇面经1 份题集
4401
Agent 项目中的质量检查如何实现？
AI 应用工程与治理评测体系与实验设计
项目深挖
进阶
1 篇面经
4646
离线评测、Trace 回放和线上灰度分别验证什么，如何配合使用？
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6 份题集
5070
Eval Harness 在 AI 应用评测中承担哪些职责？
AI 应用工程与治理评测体系与实验设计
概念解释
进阶
1 篇面经3 份题集
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 份题集
5380
A/B 实验如何通过假设检验判断差异，两类错误分别是什么？
AI 应用工程与治理评测体系与实验设计
原理机制
进阶
1 篇面经3 份题集
6125
pass@k 与 pass^k 分别衡量什么，如何按任务选择？
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2 份题集
3766
上线两周后，安全 Agent 的误报率高达 40%，工程师开始忽略它的输出。怎么处理？
AI 应用工程与治理评测体系与实验设计
故障排查
深入
暂无面经2 份题集
3790
Braintrust / LangSmith / Weave / PromptFoo 这类 eval 平台解决了什么核心问题？选型时如何权衡？
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3 份题集