共 2 篇相关文章
两个模型聚合分数相同不代表切换安全。本文手把手搭建配对测试装置：冻结金标准集、金丝雀审计评分器、精确McNemar检验，用翻转列表揪出被平均值掩盖的回归案例。
一次提示词单词修改导致摘要功能静默故障三周，影响8%用户。本文探讨提示词即代码的理念，介绍用评估清单和CI集成实现提示词回归测试的实践方法。
