返回全部题目← 上一题11 / 267下一题 →题库/AI 应用工程与治理/Q-0472研究过哪些行业通用或开源评测基准？知识专题：评测体系与实验设计题目类型：经历介绍相关面经：1 篇题集来源：5 个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）本题目录相关面经收录题集相关题目相关面经1 篇字节跳动AI 评测工程师2026-07-03二面查看原面经 →有没有研究过行业通用/开源的评测基准？收录题集5 个来源，共6 份题集模型与应用评测AMIT SHEKHAR · ai-engineering-interview-questions · 1 条原题查看题集 →What are benchmark suites (MMLU, HumanEval, GSM8K), and how do you interpret them?模型评估：多维评估大语言模型Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →常见综合能力 Benchmark 有哪些？它们分别覆盖什么能力？LLM、VLM 与 Agent 面试题Datawhale · hello-agents · 1 条原题查看题集 →请介绍几个目前行业内广泛使用的 LLM 综合性基准测试，并说明它们各自的侧重点。（例如：MMLU, Big-Bench, HumanEval）评测与幻觉Firefly · llm_interview_note · 1 条原题查看题集 →大模型评估工具有哪些？模型与 Agent 评估面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →请介绍几个目前行业内广泛使用的 LLM 综合性基准测试，并说明它们各自的侧重点。（例如：MMLU, Big-Bench, HumanEval）展开剩余 1 份题集数据与评测阿东玩 AI · AgentGuide · 1 条原题查看题集 →评估多模态大模型时，除了传统的CIDEr、BLEU，还有哪些更科学的Benchmarks？ 「腾讯」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：63 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：6 篇♥♥♥♥♥← 上一题已到最后一题← 上一题如何构建评测题目和真值？下一题 →如何调研评测集生成与更新维护，最快交付什么成果？
