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》

© 2026 克礼的博客

由 Hugo v0.161.1 强力驱动  •  主题 Beautiful Hugo 移植自 Beautiful Jekyll