技术实践
“拥抱脸”项目推出了社区评估机制，旨在促进模型评估过程的透明度。
Hugging Face推出了社区评估功能，这一功能使得托管在Hub上的基准数据 … Read More
模型 评估
文章列表
按更新时间排序
技术实践
DoorDash开发了大规模使用的对话模拟器，用于测试客户支持聊天机器人系统的性能。
DoorDash开发了一套模拟与评估系统，旨在加速基于大型语言模型开发的客户支持 … Read More
评估 进行
技术实践
微软提供的开源工具包，用于测试企业级人工智能代理之间的交互能力，可作为评估这些代理性能的基准测试平台。
微软推出了“Evals for Agent Interop”这一开源工具包，旨在 … Read More
代理 评估