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。
「Prompt 优化」找到 240 条内容
按专题浏览 →匹配正文：…、租户、问题族、预算、版本和最终状态。 阶段 span 表示计划、检索、访问、计算、摘要和综合等阶段。 模型 span 记录模型、Prompt 版本、输入输出 token、缓存使用、采样、延迟与结果状态。 工具 span 记录工具名、参数摘要、供应商 request ID、计费单位、缓存命中、重试与错误类型。 状态 span 或事件记录 checkpoint、上下文长度、证据数量、剩余预算和停止原因。 父子关系让团队看到一次昂贵任务究竟在哪一步扩张。 异步任务跨进程、队列和服…
匹配正文：… 可以使用 shadow Judge 和人工样本监控主 Judge 漂移。 隔离不代表完全不同，否则无法比较；它意味着不让一个可被优化的单一裁判垄断质量定义。 怎样设计对抗与动态 Holdout？ 对抗集覆盖位置交换、长度相同但事实不同、引用多但不支持、短而完整、风格相近与跨模型候选。 加入 Prompt injection、同源转载、过期来源和答案正确但过程错误。 动态 holdout 定期加入新问题族、新时间来源和新错误模式，避免静态集被长期调参吃透。 更新时保留一部分稳…
学习内容与项目面试，在同一条路上。
匹配正文：…本退化。 若结果正确但引用来自无关页面，硬门禁失败。若轨迹规范但结论漏掉用户要求，结果层失败。若两层都通过但资源明显异常，进入性能优化而非否定全部能力。 怎样设计离线评估流水线 冻结评测集版本、Prompt、模型路由、工具版本、状态机和随机配置。对每个样本运行多次，以观察非确定性，不用一次结果代表稳定能力。 执行后保存结果、结构化轨迹和资源记录。规则评估先运行，Judge 只看需要语义判断的部分，关键样本进入人工抽检。 聚合报告显示总体、任务类型、难度、风险、工具、错误类型和…