标签：评估
共 2 篇文章。
-
AI Agent 评估方法：怎么知道你的 Agent 真的有效
AI Agent 评估的工程化方法：成功率、步数、token、人工反馈、对抗测试、回归测试，含 SWE-Bench 等公开 benchmark 解读。
-
LLM 评估实战：怎么科学地比较两个模型
LLM 评估的工程化方法：测试集设计、自动评分、人工评分、A/B 测试、Promptfoo 与 LangSmith 实战。
共 2 篇文章。
AI Agent 评估的工程化方法：成功率、步数、token、人工反馈、对抗测试、回归测试，含 SWE-Bench 等公开 benchmark 解读。
LLM 评估的工程化方法：测试集设计、自动评分、人工评分、A/B 测试、Promptfoo 与 LangSmith 实战。