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 · 1307 道题

已筛选

共 301 道题

排序：

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
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
9640
LLM Judge 评估工具型 Agent 时，是否需要提供工具返回的 Observation？
AI 应用工程与治理评测体系与实验设计
技术决策
进阶
1 篇面经
9657
深度研究中的覆盖率、来源质量和边际收益如何定义与计算？
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
9730
项目中由谁制定参考答案和评判结果，如何保证评分可信？
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