- 博客(35)
- 收藏
- 关注
RSS订阅原创 大模型 Agent 评测完全指南
摘要： 本文系统探讨了大模型驱动的Agent评测方法，从评测维度设计、主流基准、工具链选型到实战落地。Agent评测与传统模型评测不同，需关注多轮交互、多路径等价性、环境依赖等核心难点。评测维度涵盖功能性、效率、可靠性、安全性和用户体验，并详细介绍了主流基准（如AgentBench、WebArena）及选择建议。评测方法论包括规则评测、模拟环境测试、对抗评测和用户研究四大范式，为构建高效、可靠的Agent评测体系提供实践指导。
2026-03-24 11:07:39
1287
原创 大模型中文能力评测实战：OpenCompass 配置 + C-Eval 数据集完整教程
使用 OpenCompass 评测平台 + C-Eval 中文数据集，5 分钟快速评估 intern-s1 模型的中文知识与推理能力，附完整配置代码与结果解读。
2026-03-18 17:27:39
680
原创 在A100-40GB环境下使用EvalScope+vLLM评测Qwen3-4B模型的完整实践指南
本文详细介绍了在A100-40GB云机器上使用EvalScope评测框架结合vLLM推理引擎对Qwen3-4B模型进行系统评测的完整流程。评测覆盖GSM8K数学推理和ARC科学推理两大数据集，全面评估模型的多步逻辑推理与科学知识掌握能力。
2026-03-07 19:44:50
589
原创 力扣24. 两两交换链表中的节点
分别记录交换节点的前一个节点和当前节点。，然后将当前两个节点交换指针位置，让前一个指向后一个，后一个指向前一个，最后返回交换后的子链表的头节点。使用递归的方法解决，将问题转化成单个单元素相邻节点的交换，然后递归解决所有的相邻节点问题。，它会返回已经完成相邻节点交换的子链表的头节点，并在交换完成后更新节点的指针位置。，递归调用会使用隐式栈空间，栈空间的大小取决于递归调用的深度，因此空间复杂度为。给定一个链表，两两交换其中相邻的节点，并返回交换后的链表。完成后续相邻节点的交换，返回已经交换的子链表的头节点。
2023-08-02 09:45:00
209
原创 剑指 Offer II 016. 不含重复字符的最长子字符串- python两种解法
剑指 Offer II 016. 不含重复字符的最长子字符串- python两种解法
2023-07-20 20:35:41
539
原创 剑指 Offer II 016. 不含重复字符的最长子字符串-java两种解法
剑指 Offer II 016. 不含重复字符的最长子字符串-两种解法
2023-07-20 18:02:37
168
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人