标签: LLM
与该标签相关的技术文章合集。 "LLM".
Agent 评测工程化（九）：把一次性评测变成持续优化体系
一次评测发现问题，持续评测才形成质量体系。
AIAgentLLM发布于
Agent 评测工程化（六）：评测前，先把 Agent 输出拆开
评测前先看懂答案，否则分数只是误读的结果。
AIAgentLLM发布于
Agent 评测工程化（五）：让 LLM-as-judge 稳定输出结构化结果
模型负责判断语义，系统负责守住协议边界。
AIAgentLLM发布于Agent 评测工程化（四）：红线、一票否决与 1-5 分
分数只有能回到规则，才有讨论和修复的空间。
AIAgentLLM发布于
Agent 评测工程化（三）：从低分样本到问题簇
单条 badcase 只能讨论，问题簇才能进入排期。
AIAgentLLM发布于Agent 评测工程化（二）：Rubric 不是 Prompt，而是可执行的质量协议
Rubric 不是更长的 prompt，而是系统可执行的质量协议。
AIAgentLLM发布于
Agent 评测工程化（一）：为什么不能只看平均分
平均分回答不了红线，也推不动下一次修复。
AIAgentLLM发布于
给生产 Agent 做体检（四）：LLM 输出不完美怎么办——归一化、一次修复与失败隔离
一条坏行止步于自己，一次修复就足够。
AIAgentLLM发布于给生产 Agent 做体检（三）：让 LLM 稳定输出结构化诊断——严格 JSON Schema 实践
协议不在 prompt 里祈祷，而在 Schema 里强制。
AIAgentLLM发布于
给生产 Agent 做体检（二）：诊断之前，先定义人口——数据质检与风险筛选
诊断之前先定义人口，规则永远跑在模型前面。
AIAgentLLM发布于