#系统测试
共 3 篇相关文章
专题
深度专题三 评估驱动开发(Eval-Driven Development)
专题定位 :2026 年 LLM 工程的最大共识是"评估前移"——不再等上线才知道效果,而是把评估嵌入开发全循环。本专题讲 FDE 如何搭一套能持续度量、驱动迭代的评估体系。 一、为什么"评估驱动"是 2026 的范式 传统软件有单元测试/集成测试,效果可自动验证。但 LLM 应用长期是"黑盒"——…
评估测试MLOps系统测试
· 5 分钟阅读· 3 个标签
专题
深度专题三十 AI Agent 的评估、测试与红队
30.1 为什么 Agent 比单次 LLM 更需要系统化测试 把一个 RAG 问答系统测好,不等于把一个 Agent 测好。两者之间隔着一条鸿沟,这条鸿沟就是 "自主性带来的状态爆炸" 。 单次 LLM 调用是一次纯函数: prompt → response 。它的失败模式是有限的:幻觉、拒答、格…
系统测试安全合规Agent
· 22 分钟阅读· 4 个标签
专题
深度专题五十 大模型应用的系统测试策略
大模型(LLM)应用之所以难测,根本原因不在于"测试技术不够",而在于被测对象本身的性质发生了变化。传统软件是确定性的:给定输入,期望输出可枚举、可断言;而 LLM 应用是概率性、组合性、状态依赖的——同一条输入,在不同温度、不同上下文窗口、不同检索结果、不同工具返回下,输出可能完全不同。把传统软件…
系统测试评估测试RAG
· 21 分钟阅读· 5 个标签