提示词工程
简单
面试题库
提示词工程
中等
评估 CoT 类提示时只比最终答案够吗?中间推理质量如何度量?
提示词工程
中等
如何构建可持续维护的提示词评估数据集,防止过拟合?
提示词工程
中等
提示词 A/B 测试中如何隔离「模型版本」与「提示词」两个变量?
提示词工程
困难
如何用统计方法比较两条提示词在成功率上的差异是否显著?
提示词工程
中等
离线评估通过但在线效果差,可能是什么原因?
提示词工程
困难
如何设计提示词评估的维度评分卡(准确性/格式/语气/安全)?
提示词工程
中等
如何评估提示词对边缘输入(超长/空/恶意)的鲁棒性?
提示词工程
中等
如何为提示词建立自动化回归测试流水线?
提示词工程
困难
如何避免 A/B 测试中的位置偏差与温度随机性干扰结论?
提示词工程
中等
提示词 A/B 测试的样本量如何确定?怎么判断结果显著?
提示词工程
困难