WRITING

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