返回全部题目← 上一题180 / 388下一题 →题库/AI 应用工程与治理/Q-18475Agent 评测中怎样使用 Golden Set 与 LLM-as-a-Judge，各有哪些局限？知识专题：评测体系与实验设计题目类型：比较选型技术难度：进阶相关面经：2 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经2 篇腾讯大模型算法2026-09-22一面查看原面经 →Agent评测除任务成功率之外还有哪些关键指标？LLM‑as‑a‑Judge和Golden Set的优缺点是什么？上海沐润天海文化科技Agent 开发2026-09-12一面查看原面经 →Golden set 是你自己造的，凭什么能拦住问题相关题目4 题0046简历评分应该从哪些维度进行？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0056如何量化评估 Agent 输出质量或任务成功率？同一知识专题题目类型：方案设计技术难度：进阶相关面经：95 篇0080GDPval 评测链路在项目中如何实现？同一知识专题题目类型：项目深挖技术难度：深入相关面经：1 篇0150AI 如何从需求或用例生成正确的接口测试脚本，并评估生成效果？同一知识专题题目类型：方案设计技术难度：进阶相关面经：8 篇♥♥♥♥♥← 上一题已到最后一题← 上一题使用者无法判断 Skill 输出的质量时，如何建立可靠的验收机制？下一题 →故障归因质量怎样定义准确率和归因深度，如何制定评分规则？
