评测体系与实验设计

本分类共 10 个专题 · 1909 道题

2601

需求文本过长导致 Token 超限与幻觉时，测试生成流程如何处理？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

2602

AI 驱动的智能测试平台如何设计？

AI 应用工程与治理评测体系与实验设计

系统设计

进阶

2906

如何量化回答不确定性，Top-K Token 分差与长文本哪些部分参与计算？

AI 应用工程与治理评测体系与实验设计

效果评估

深入

2908

为什么选用三个维度设计推理能力评测题？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

3028

同时运行多实验且各有多个分组时，如何分配用户并保证实验互不影响？

AI 应用工程与治理评测体系与实验设计

系统设计

深入

3095

UTBench 如何衡量模型生成效果？

AI 应用工程与治理评测体系与实验设计

项目深挖

进阶

3114

成片合格率从 80% 到 98% 如何统计？

AI 应用工程与治理评测体系与实验设计

项目深挖

进阶

3286

录屏展示 Agent 最终完整推理过程及调试优化。

AI 应用工程与治理评测体系与实验设计

代码题

进阶

4268

Skill 路由评测的正例、反例和边界样本应如何构造？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

4270

Skill 路由效果如何量化、怎样设置上线放行阈值并验证落地？

AI 应用工程与治理评测体系与实验设计

效果评估

进阶