技术栈
评测集
东莞市云毅网络有限公司
13 天前
python
·
rag
·
检索
·
企业知识库
·
评测集
企业知识库问答的自动化评测：构建 golden set 与回归脚本
做企业 RAG 的人都会遇到一个共同的问题：模型升级一次、切分参数改一下、Embedding 换一版，回答就漂了。原来答得对的问题，这次开始答错；原来答错的问题，这次又"修"过头了。
山顶夕景
9 个月前
大模型
·
agent
·
评估
·
评测集
【Agent】Evaluation and Benchmarking of LLM Agents: A Survey
现在 LLM Agent 越来越复杂： 会规划、用工具、有记忆、能多轮互动、能协作但 评测方法仍停留在 LLM 级别：
我是有底线的