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。
「LLM 评测」找到 218 条内容
按专题浏览 →匹配正文：…条件后回到固定图。 如果只是按字段路由，例如 language=python 选择 Python 工具，直接用代码条件边，不需要 LLM Supervisor。如果路由依赖语义且规则难以枚举，再使用模型并保留兜底。 如果任务高风险且下一步必须经过人工批准，Supervisor 只能提出建议，Human-in-the-loop 节点拥有放行权。 固定流水线、动态监督与混合模式 混合模式把开放探索限制在可控子图内。 共享 State 应该保存什么 多个 Agent 不能靠互相发送…
匹配正文：…有权使用、是否仍然有效。前者答的是“怎样把问题改完整”，后者答的是“哪些历史可以提供给改写器”。两篇文章不应混成同一个问题。 怎么评测记忆系统，而不是只演示一次“它记住了” 一段看似连贯的演示不能证明系统可靠。评测集要构造连续对话和跨会话任务，并为每一步标注“应该使用哪些记忆、哪些记忆必须忽略”。至少覆盖下面几组场景。 近期指代 用户刚刚确认一个对象，下一轮用“它、这个、那项”追问。检查短期窗口是否保留正确对象，同时避免把更早的同名对象带入。 回到旧话题 用户切换话题后又回到…
…表示离散化，后续可以训练图像token先验。 离散token路线要区分自回归与掩码生成。Parti把图像表示成离散token，再像语言模型一样按序预测下一个token，属于自回归文生图路线。Muse同样使用离散图像token，但它是masked generative Transformer：从被mask的位置出发并行预测，再迭代细化。因此不能因为两者都处理token，就把Muse归为自回归模型。 后续还要看diffusion和flow。Imagen等扩散模型从噪声逐步恢复图像…
按学习路线查看教程、项目和面试题。