1 含有标签「robustness」

Prompt 卧推：对“快乐路径”之外的提示词进行压力测试

大多数 prompt 评估只针对“快乐路径”打分而忽略了长尾情况。构建一个涵盖长度、语域、语言和正式程度变化的压力矩阵，并根据性能下降曲线而非单一的准确率数值进行评分。