评测体系与实验设计

本分类共 10 个专题 · 1909 道题

6847

如何从复杂 Agent 日志构建代码任务标签与可比较的评测指标？

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 1 个题集来源

6850

如何评估视觉模型在模糊、运动与场景变化下的鲁棒性？

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 1 个题集来源

6851

基座模型输出不遵循固定格式时，如何提取并评估答案？

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 1 个题集来源

6853

实验存在用户或时段干扰时，如何设计分流并解释效果？

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 1 个题集来源

7066

模型评测分数相差 3 个点，如何判断是否足以切换模型？

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 1 个题集来源

8293

给定路测数据，如何定位感知模型某类漏检的原因？

AI 应用工程与治理评测体系与实验设计

故障排查

进阶

8362

如何判断图片理解 Agent 的评测指标是否完整？

AI 应用工程与治理评测体系与实验设计

效果评估

进阶

8798

如何设计实验验证漫剧 Agent 的作品质量？

AI 应用工程与治理评测体系与实验设计

效果评估

进阶

8890

怎样选择测试集并验证它对业务场景的覆盖？

AI 应用工程与治理评测体系与实验设计

效果评估

进阶

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