页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「工具调用」找到 316 条内容
按专题浏览 →匹配正文：答案要点 区分RAG和Agent的不同评估维度（检索质量vs工具调用/规划能力） 覆盖客观指标（准确率、召回率）和主观指标（有用性、无害性） 提及自动化评估与人工评估的结合 指出实际落地中的挑战（评测数据构建、动态环境、成本权衡） 一、RAG系统评估体系 检索模块指标 Recall@K：正确答案在Top-K检索结果中的比例 MRR（平均倒数排名）：正确答案排名的倒数均值 Context Precision：检索片段中相关信息的比例 生成模块指标 Faithfulness：生成…
匹配正文：…化的混合标注流程 数据代表性验证方法 核心设计原则 Agent和RAG的评估目标不同：RAG重事实准确性，Agent重任务完成度与工具调用正确性，需分开设计。 数据采集 来源 适用场景 注意事项 真实用户日志 高价值、分布真实 脱敏+去偏，避免头部query过度采样 合成数据（LLM生成） 快速覆盖长尾场景 需人工校验，控制幻觉比例 公开benchmark适配 跨模型可比 检查license，避免数据污染 关键：覆盖多轮对话、边界case（如无答案、需澄清）、跨领域query…
匹配正文：答案要点 明确区分Agent与RAG的评估维度差异（工具调用vs检索质量） 数据构建需覆盖真实用户分布而非理想场景 标注策略必须包含多轮校验与一致性指标 多样性需从任务类型、难度、领域三维度设计 偏差控制需显式处理位置偏差、流行度偏差和标注者偏差 一、任务设计：区分Agent与RAG的核心差异 RAG评估重点 检索相关性：召回率、精确率、NDCG 生成忠实度：答案是否基于检索内容，有无幻觉 答案完整性：是否覆盖用户问题的全部意图 Agent评估重点 工具调用准确性：参数解析、…
学习内容与项目面试，在同一条路上。