返回全部题目← 上一题161 / 267下一题 →题库/AI 应用工程与治理/Q-4524如何设计 LLM 事实性、推理能力或安全性等专项能力评估？知识专题：评测体系与实验设计题目类型：方案设计技术难度：进阶题集来源：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）本题目录收录题集相关题目收录题集5 个来源，共8 份题集模型与应用评测AMIT SHEKHAR · ai-engineering-interview-questions · 2 条原题查看题集 →How do you detect and measure hallucinations in LLM outputs?How do you measure factual consistency in LLM outputs?模型评估：多维评估大语言模型Rocky Ding · AIGC-Interview-Book · 10 条原题查看题集 →如何评估模型的知识掌握程度和事实准确性？如何将幻觉问题转化为可评估的标签、指标和归因流程？如何验证幻觉治理方案是否真的有效？展开其余 7 条原题如何评估语言理解和问答能力？大语言模型的推理能力包括哪些类型？如何判断模型是真的会推理？如何评估数学推理能力？如何评估代码能力和科学推理能力？如何评估模型是否遵循指令？Helpful、Honest、Harmless 和 Fairness 如何落到评估指标上？如何评估拒答边界和过度拒答？LLM、VLM 与 Agent 面试题Datawhale · hello-agents · 1 条原题查看题集 →如何设计一个评估方案来衡量 LLM 的特定能力，比如“事实性/幻觉水平”、“推理能力”或“安全性”？评测与幻觉Firefly · llm_interview_note · 1 条原题查看题集 →如何度量幻觉？模型与 Agent 评估面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →如何设计一个评估方案来衡量 LLM 的特定能力，比如"事实性/幻觉水平"、"推理能力"或"安全性"？展开剩余 3 份题集公司案例问答汇编阿东玩 AI · AgentGuide · 4 条原题查看题集 →评估方法论:如何科学评估大模型性能?评估数据集怎么构造才靠谱?项目:大模型生成内容的评测方式有哪些,具体怎么操作?项目:自主构建的评估体系里如何分离知识幻觉与推理幻觉展开其余 1 条原题LLM的评估Vibe Coding模拟面试阿东玩 AI · AgentGuide · 1 条原题查看题集 →原文作者阿东玩AI 你怎么评估审核质量?数据与评测阿东玩 AI · AgentGuide · 6 条原题查看题集 →评估指标综合题：如何评估后训练模型在安全性、有用性、无害性方面的表现【安全性评估自动化】介绍一种用于评估模型输出安全性的自动化方法或工具。 「蚂蚁集团」【安全过滤效果评估】安全过滤效果如何评估？ 「字节跳动」展开其余 3 条原题【LLM作为裁判】要llm-as-judge评测财务指标计算是否正确，该有哪些评估标准？ 「字节跳动」数学榜单构建技巧 「腾讯」数学榜单除了acc的reward还有什么吗？ 「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← 上一题什么是 LLM-as-a-Judge，它有哪些优势和潜在偏见？下一题 →为什么 Agent 比基础 LLM 更难评估，评估维度有哪些区别？
