返回全部题目← 上一题157 / 232下一题 →题库/AI 应用工程与治理/Q-4522BLEU、ROUGE 等传统 NLP 指标为什么难以充分评价现代 LLM 的生成质量？知识专题：评测体系与实验设计题目类型：原理机制技术难度：进阶收录题集：3 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集3 份模型与 Agent 评估面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →为什么传统的 NLP 评估指标（如 BLEU, ROUGE）对于评估现代 LLM 的生成质量来说，存在很大的局限性？后训练综合问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →BLEU 分高的翻译一定更好吗？LLM、VLM 与 Agent 面试题Datawhale · hello-agents · 1 条原题查看题集 →为什么传统的 NLP 评估指标（如 BLEU, ROUGE）对于评估现代 LLM 的生成质量来说，存在很大的局限性？相关题目4 题0046简历评分应该从哪些维度进行？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0056如何量化评估 Agent 输出质量或任务成功率？同一知识专题题目类型：方案设计技术难度：进阶相关面经：58 篇0080GDPval 评测链路在项目中如何实现？同一知识专题题目类型：项目深挖技术难度：深入相关面经：1 篇0150AI 如何从需求或用例生成正确的接口测试脚本，并评估生成效果？同一知识专题题目类型：方案设计技术难度：进阶相关面经：6 篇♥♥♥♥♥← 上一题已到最后一题← 上一题如何评估 Agent 系统的鲁棒性，设计对抗和边缘场景测试？下一题 →什么是 LLM-as-a-Judge，它有哪些优势和潜在偏见？
