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 · 1180 道题

已筛选

共 265 道题

排序：

9239
修改 Prompt 后，如何验证准确率提升来自改动而非随机波动？
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
9253
如何自动区分 AI 应用故障来自模型、Prompt、检索还是业务代码？
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
9271
模型置信度应采用语言自报还是 Logits 概率，如何比较其可靠性？
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
9536
如何比较引入知识库前后的实际效果？
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
9577
人工标注的 Agent 问答评测集如何自动执行与判分？
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
9580
如何定义并统计 Agent 的线上有效会话？
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
9582
如何收集、分析 Agent 用户负反馈并转成改进任务？
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
9583
线上 Agent 错例如何回流到评测集并持续回归？
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
9586
覆盖问答、文档和创作的通用 Agent，如何拆分任务并评测？
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
9587
用户输入不同、无法获取竞品后台时，如何公平比较 Agent 产品？
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