你好,我是克礼

评测 × 生产,
是一条路。

算法评测工程师,生产级评测的实战派。
把英文前沿做「翻译 + 实战化」的人。

最新文章

全部文章 →

别再修 badcase 了,去降低 failure mode 的发生概率

评测×生产系列第三篇:当 benchmark 变成概率分布,整个评测体系都要跟着变

2026-10-05 · 约 3 分钟

harness 的模块边界,就是评测集的切分依据

评测×生产系列第一篇:少跑不是目的,怎么少跑才对

2026-10-03 · 约 2 分钟

同样的评测预算,能不能买到更准的分数?——读《Speculative Evaluation of Stochastic LLMs》

评测×生产系列第二篇:两阶段 HBN 分配,方差降 12.8%–33.6%

2026-10-02 · 约 2 分钟

可插拔:Harness 的核心价值是让能力低成本插拔,评测只是其中一种

DSH 三细节重写:评测电路是 harness 里的一组插件,不是外面的系统

2026-09-28 · 约 3 分钟

系列 · 评测×生产

本系列 →

别再修 badcase 了,去降低 failure mode 的发生概率

评测×生产系列第三篇:当 benchmark 变成概率分布,整个评测体系都要跟着变

2026-10-05 · 约 3 分钟

harness 的模块边界,就是评测集的切分依据

评测×生产系列第一篇:少跑不是目的,怎么少跑才对

2026-10-03 · 约 2 分钟

同样的评测预算,能不能买到更准的分数?——读《Speculative Evaluation of Stochastic LLMs》

评测×生产系列第二篇:两阶段 HBN 分配,方差降 12.8%–33.6%

2026-10-02 · 约 2 分钟

有想法,聊聊看。

扫码加微信,请备注:博客 + 你现在做的方向

克礼的微信二维码
作品集 → 在 X 上找我

RSS 订阅