返回全部题目← 上一题134 / 267下一题 →题库/AI 应用工程与治理/Q-3897评测集规模如何确定，准确与不准确的判定标准是什么？知识专题：评测体系与实验设计题目类型：效果评估技术难度：进阶相关面经：2 篇题集来源：1 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经收录题集相关题目相关面经2 篇DeepSeekAI Agent开发岗2026-10-22社招一面查看原面经 →你的 Agent 评测体系是怎么搭建的？——评测集覆盖了多少场景？怎么构造的？如果评测集里 30% 的 case 答案有主观性，你怎么处理？美团AI 数据开发工程师2026-09-23秋招一面查看原面经 →追问测试集规模是多大？查看该问上下文 →追问怎么定义“准确/不准确”？查看该问上下文 →收录题集1 个来源，共1 份题集DeepSeek高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →你的 Agent 评测体系是怎么搭建的？——评测集覆盖了多少场景？怎么构造的？如果评测集里 30% 的 case 答案有主观性，你怎么处理？相关题目4 题0046简历评分应该从哪些维度进行？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0056如何量化评估 Agent 输出质量或任务成功率？同一知识专题题目类型：方案设计技术难度：进阶相关面经：63 篇0080GDPval 评测链路在项目中如何实现？同一知识专题题目类型：项目深挖技术难度：深入相关面经：1 篇0150AI 如何从需求或用例生成正确的接口测试脚本，并评估生成效果？同一知识专题题目类型：方案设计技术难度：进阶相关面经：6 篇♥♥♥♥♥← 上一题已到最后一题← 上一题如何为 Skill 构建回归评测集？下一题 →项目测试或评测使用了多少数据，数据规模如何确定？
