#评估测试
共 11 篇相关文章
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
专题
深度专题六十二 大模型应用的可解释性与因果
62.1 为什么可解释性是 AI 落地的硬要求 可解释性（Explainability / Interpretability）在 2024 年之前还常被视为"锦上添花"的工程点缀;到 2026 年,它已是 AI 落地不可绕开的硬约束。推动这一变化的不是技术审美,而是四股现实力量的合力。 第一股是 监…
可解释性RAGAgent
· 22 分钟阅读· 5 个标签