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。
「Deep Research LLM Judge」找到 9 条内容
按专题浏览 →匹配题目：LLM Judge 分数变高，为什么 Deep Research 可能反而更会刷分？
匹配正文：…被刷，所以引用数、步骤数和调用数都不能直接当质量。相关材料给出评估框架、基准和流程，没有现有生产通过率或收益，不能编造提升数字。 Deep Research 结果与过程评估检查清单 评估体系落地前的证据清单 选一条评测失败样本，从最终主张倒查到过程 Trace，确认这套指标真的能指向可修复的问题。 是否从任务 contract 分别定义结果与过程质量？ 是否把答案主张绑定证据，把步骤绑定信息缺口？ 是否用硬门防止可读性和效率抵消事实错误？ 是否记录规则、Judge、rubri…
匹配正文：…+ 评估 为推理、并发与成本设计压测(KV Cache / continuous batching) 把 RACE、FACT 与 LLM-as-Judge 作为候选评测方法校验 把失败样本回流到数据与策略验证 学习成果 理解一个「执行框架 → 训练 → 评估」全链路的研究 Agent 如何设计，并能按职责、方案、证据和边界复盘。只有亲自完成并留有证据的部分，才能写进个人简历。 适合谁 想做 Agent / 规划方向、想补齐 Agent 训练全流程的同学 自主调研 Agent：…
学习内容与项目面试，在同一条路上。