评测体系与实验设计

10 个专题 · 567 道题

2603

测试 Agent 时可以在哪些环节用 AI 提效，需要设计或接入哪些工具？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

2900

Agent 如何分别评估规划能力与幻觉率？

AI 应用工程与治理评测体系与实验设计

效果评估

进阶

2905

如何区分视觉编码器与 LLM 推理瓶颈，并避免 Caption 替代实验泄露答案？

AI 应用工程与治理评测体系与实验设计

方案设计

深入

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

2942

如何验证新 AI 改善游戏体验，而非单纯增加难度？

AI 应用工程与治理评测体系与实验设计

效果评估

进阶

2979

如何评估语义或意图识别的准确率？

AI 应用工程与治理评测体系与实验设计

效果评估

进阶

3012

Code Agent 的 Verifier 如何设计？

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

3072

33% 缓存命中率是总体还是单层，如何测得？

AI 应用工程与治理评测体系与实验设计

项目深挖

进阶