公司真题库2026-07-26
【快手】做模型评测，初期怎么增加评测维度？评测数据集怎么建立？
快手大模型评测一面真题：考评测体系从 0 到 1 的搭建。核心是评测维度的扩展路径、数据集的构建来源与质量控制。
91学AI·7 阅读
标签
#LLM-as-Judge
共 4 篇文章
评测与安全2026-07-26
用另一个大模型做评测（LLM-as-Judge），它的正确率和自我一致性怎么保证？
考察对 LLM-as-Judge 可靠性的理解：先用人工标注金标准测一致率，再针对位置偏差、冗长偏差、自我偏好做工程矫正，多次采样校验稳定性。
91学AI·8 阅读
评测与安全2026-07-26
大模型应用的评测体系怎么搭？上线前评测 + 上线后回归怎么设计？
考察评测体系的分层设计能力：组件级、链路级、系统级三层评测，上线前用 golden set 做 CI 门禁，上线后靠监控、抽样标注和 badcase 回流形成闭环。
91学AI·8 阅读
RAG 检索增强2026-07-26
你怎么知道你的 RAG 有效？评测集怎么构造？baseline 是什么？
考察 RAG 效果度量体系：检索层指标（Recall@K、MRR）与生成层指标（忠实度、答案相关性）分开评，评测集从真实日志构造，baseline 逐级消融。
91学AI·15 阅读