评测体系与实验设计

10 个专题 · 567 道题

1632

代码修复 Agent 如何评判修复是否正确？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1718

实习评测针对哪些场景、目标是什么，评测集如何构建？

AI 应用工程与治理评测体系与实验设计

项目深挖

进阶

1719

如何保证评测集覆盖目标场景且可用？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1721

评测 Case 的错误率是多少，回归验证结果如何？

AI 应用工程与治理评测体系与实验设计

项目深挖

进阶

1722

利用大量文档和案例自动生成评测集时，如何保证模型使用正确信息？

AI 应用工程与治理评测体系与实验设计

方案设计

深入

1723

如何组织文档和案例两类数据来生成测试 Case？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

1724

实习中为什么没有采用自动化评测？

AI 应用工程与治理评测体系与实验设计

项目深挖

进阶

1731

准确率提升主要来自 SFT 还是后续 GRPO，如何区分贡献？

AI 应用工程与治理评测体系与实验设计

效果评估

进阶

1908

如何判断 Agent 执行路径与最终结论分别是否正确？

AI 应用工程与治理评测体系与实验设计

效果评估

深入

1 篇面经 1 份题集

1981

如何评估 Description 对代码定位的有效性？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶