评测体系与实验设计

本分类共 10 个专题 · 1023 道题

4496

如何评估 Agent 系统的鲁棒性，设计对抗和边缘场景测试？

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 4 份题集

4522

BLEU、ROUGE 等传统 NLP 指标为什么难以充分评价现代 LLM 的生成质量？

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 3 份题集

4523

什么是 LLM-as-a-Judge，它有哪些优势和潜在偏见？

AI 应用工程与治理评测体系与实验设计

概念解释

进阶

暂无面经 21 份题集

4524

如何设计 LLM 事实性、推理能力或安全性等专项能力评估？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

暂无面经 8 份题集

4525

为什么 Agent 比基础 LLM 更难评估，评估维度有哪些区别？

AI 应用工程与治理评测体系与实验设计

比较选型

进阶

暂无面经 8 份题集

4526

有哪些 Agent 能力评测基准，它们如何构建环境和任务？

AI 应用工程与治理评测体系与实验设计

经历介绍

—

暂无面经 5 份题集

4527

评估 Agent 任务完成情况时，除最终正确性外还应关注哪些过程指标？

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 4 份题集

4529

如何设计人工评估准则和流程，保证结果客观且一致？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

暂无面经 5 份题集

4530

上线 LLM 或 Agent 服务如何持续评估并检测性能退化与行为漂移？

AI 应用工程与治理评测体系与实验设计

方案设计

深入

暂无面经 16 份题集

4645

为什么不能只用公开 Benchmark 评价 AI 应用质量？

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 6 份题集