评测体系与实验设计

10 个专题 · 567 道题

1411

扩充评测集是否直接改善效果，为何一些场景不再扩充？

AI 应用工程与治理评测体系与实验设计

开放讨论

—

1438

如何设置评估 Loop 次数和上限，为什么把次数作为指标？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1440

优化后指标有好有坏，如何判断收益？

AI 应用工程与治理评测体系与实验设计

开放讨论

—

1468

如何用人工复核验证机器评测可信度？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1470

意图识别和工具编排调度如何评测？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1471

如何从真实页面输入到工具调用与产物做端到端评测？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1504

A/B Test 如何做，怎样复制流量？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1508

是否使用开源 Benchmark 题集？

AI 应用工程与治理评测体系与实验设计

经历介绍

—

1544

接口测试数据如何生成并校验 AI 造数？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1545

数据常变时如何稳定 UI 自动化并用 AI 自修复？

AI 应用工程与治理评测体系与实验设计

系统设计

进阶