标签：LLM Evaluation

共 5 篇文章

• LLM-as-a-Judge 生产落地：Rubric、偏差与回归测试闭环

  本文从 LLM-as-a-Judge 的评分模式、Rubric 设计、偏差来源、线上回归、人工复核与阈值治理出发，整理一套适合 RAG、Agent 和内容生成系统的生产级评测闭环。

  2026/06/30 LLM Evaluation / LLM-as-a-Judge / RAG / Agent / AI Engineering

• LLM Model Routing 生产落地实战：别把所有请求都交给最贵模型

  系统拆解 LLM Model Routing 的生产工程价值，覆盖强弱模型路由、级联调用、质量评估、成本预算、延迟 SLO、Provider 回退与对抗路由风险，帮助团队建立可观测、可回退、可评估的大模型调用中间层。

  2026/06/26 LLM Routing / AI Infrastructure / Model Gateway / LLM Evaluation / Cost Optimization / RAG / Agent

• RAG Retrieval Quality Engineering：别再只调 Prompt，先把证据找对

  本文系统拆解生产级 RAG 的检索质量工程，从文档解析、结构化分块、BM25 与向量混合检索、重排、证据压缩到 RAG 评估指标，帮助团队减少幻觉、提升答案可追溯性与系统稳定性。

  2026/06/26 RAG / Retrieval Engineering / Reranking / LLM Evaluation / AI Infrastructure

• LLM-as-a-Judge：生产级大模型评测不能只看自动打分

  本文系统拆解 LLM-as-a-Judge 的工程价值、G-Eval、pointwise 与 pairwise 评测、position bias、verbosity bias、self-preference、人工校准和 CI 回归测试，帮助团队建立可追踪、可校准、可上线的 LLM 自动评测体系。

  2026/06/26 LLM Evaluation / LLM-as-a-Judge / AI Agent / RAG Evaluation / Model Testing

• 大模型生产化落地指南：如何设计工业级 LLM 评估与自动化回归测试系统

  深入探讨大模型进入生产环境面临的静默失败痛点，系统解析如何构建包含黄金数据集、LLM-as-a-judge 机制以及 CI/CD 回归测试的工业级评估流水线，助你攻克 AI 系统设计面试。

  2026/06/25 LLM Evaluation / Regression Testing / AI Engineering / System Design