1 含有标签「production-llms」

那些你的真实用户永远不会表现出的合成评估

由受测模型的“兄弟模型”生成的合成评估会在用户行为发生偏移时虚增评分。本文探讨了为什么生成器-判别器坍塌会掩盖质量退化，以及如何通过野外评估（wild-eval）架构来捕捉这些问题。