评测体系与实验设计

10 个专题 · 567 道题

1284

基于 VLM 的 Benchmark 系统如何实现？

AI 应用工程与治理评测体系与实验设计

系统设计

进阶

1286

如何分别评估模型和 Harness 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

1297

让大模型判断时提供什么输入？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1304

为何选 20 个归因 Case 重复三轮，如何验证完成率从不足 50% 到 100%？

AI 应用工程与治理评测体系与实验设计

项目深挖

进阶

1305

Ground Truth 由谁构造，如何保证可靠？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1384

打分模型应有哪些特性，如何选型？

AI 应用工程与治理评测体系与实验设计

比较选型

进阶

1385

如何处理评判模型幻觉和回答偏好？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1405

飞书表格 Skill 和含表格文档如何评测？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1409

文档七类场景如何划分，如何覆盖线上分布和低频场景？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1410

哪些数据要脱敏，脱敏后如何保持评测效果？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶