Tag: 评测
All the articles with the tag "评测".
-
RAG 黄金评测集：一份可追溯的证据契约
Published: at 12:06 AMRAG 黄金评测集是评测的证据契约：每个用例记录查询、预期答案、支撑 chunk、来源版本和人工评审，缺一项就难以复核。本文说明如何构建、校验、用合成数据补候选、用人工校准并随证据更新。
-
把 LLM Judge 放进 Agent 运行时
Published: at 11:40 PMLLM judge 正从离线评测走进 agent 运行时，开始影响继续、重试、换模型或转人工。本文拆解 7 种架构模式，说明如何拆分判断、比较候选、检查过程，并用确定性逻辑控制风险。