克礼的博客
首页
文章
作品集
站点导航
Tags
agent
2
别再修 badcase 了,去降低 failure mode 的发生概率
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
deepseek-harness
1
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
论文笔记
4
别再修 badcase 了,去降低 failure mode 的发生概率
harness 的模块边界,就是评测集的切分依据
同样的评测预算,能不能买到更准的分数?——读《Speculative Evaluation of Stochastic LLMs》
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
评测
4
别再修 badcase 了,去降低 failure mode 的发生概率
harness 的模块边界,就是评测集的切分依据
同样的评测预算,能不能买到更准的分数?——读《Speculative Evaluation of Stochastic LLMs》
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
评测×生产
3
别再修 badcase 了,去降低 failure mode 的发生概率
harness 的模块边界,就是评测集的切分依据
同样的评测预算,能不能买到更准的分数?——读《Speculative Evaluation of Stochastic LLMs》