PulseAugur
中
实时 08:51:50
实体 Agnost

Agnost

PulseAugur coverage of Agnost — every cluster mentioning Agnost across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_364544 ·

    LLM评估:对话级与追踪级检查以检测失败

    评估大型语言模型(LLM)的性能需要根据所评估的失败类型采用不同的方法。跨度级评估器侧重于单个模型调用,追踪级评估器检查包括工具使用在内的整个请求,而对话级评估器则评估多轮对话的完整会话。每种方法都有其独特的优点和缺点,对话级评估对于识别跨度级或追踪级检查可能遗漏的重复、未解决的目标或跨轮矛盾等问题至关重要。然而,追踪级评估在精确定位单个请求中的错误(如不正确的工具使用或无根据的答案)方面更为精确。这些评估的时间点也带来了准确性和延迟…