线上更换嵌入模型前应该怎么做 A/B 或离线对比验证？
线上更换嵌入模型前应该怎么做 A/B 或离线对比验证？ 本文先给出可直接复述的结论，再用最小代码说明更换嵌入模型 A/B测试 离线评估的工作方式、判断依据、项目边界和常见误区。
核心关键词更换嵌入模型 A/B测试 离线评估
面试知识索引 · 分类、标签与搜索
AI 开发 · 测试面试题，9 道完整答案
AI 开发 · 测试面试题第 1 页，显示第 1–9 题，共找到 9 道完整解析，可继续按分类、标签与关键词缩小范围。
9筛选结果
52技术分类
178检索标签
1索引分页
快速定位
清除全部筛选分类、标签与关键词搜索
第 1 页
本页面试问题
按稳定语义路径排序
- 0001
- 0002
新 UI 或新助手上线首周效果应先跑 A/A 或延长观察来区分新奇效应吗？
新 UI 或新助手上线首周效果应先跑 A/A 或延长观察来区分新奇效应吗？ 本文先给出可直接复述的结论，再用最小代码说明A/A测试 新奇效应 首因效应 在线实验的工作方式、判断依据、项目边界和常见误区。
核心关键词A/A测试 新奇效应 首因效应 在线实验 - 0003
团队评测算力有限时怎样设计分层 CI：快速 smoke、夜间全量和人工抽检？
团队评测算力有限时怎样设计分层 CI：快速 smoke、夜间全量和人工抽检？ 本文先给出可直接复述的结论，再用最小代码说明评测预算 CI分层 smoke test 人工抽检的工作方式、判断依据、项目边界和常见误区。
核心关键词评测预算 CI分层 smoke test 人工抽检 - 0004
为什么公开开发集之外还要保留隐藏测试集来评估 prompt 或模型版本？
为什么公开开发集之外还要保留隐藏测试集来评估 prompt 或模型版本？ 本文先给出可直接复述的结论，再用最小代码说明金标集 隐藏测试集 过拟合防护 prompt迭代的工作方式、判断依据、项目边界和常见误区。
核心关键词金标集 隐藏测试集 过拟合防护 prompt迭代 - 0005
程序化弱监督标签进入训练前需要估计哪些噪声参数？
程序化弱监督标签进入训练前需要估计哪些噪声参数？ 本文先给出可直接复述的结论，再用最小代码说明弱监督 程序化标注 标签噪声 评测参数估计的工作方式、判断依据、项目边界和常见误区。
核心关键词弱监督 程序化标注 标签噪声 评测参数估计 - 0006
大模型评测发现分数异常高时如何排查训练集与测试集污染？
大模型评测发现分数异常高时如何排查训练集与测试集污染？ 本文先给出可直接复述的结论，再用最小代码说明训练测试污染 数据泄漏 基准污染 去重的工作方式、判断依据、项目边界和常见误区。
核心关键词训练测试污染 数据泄漏 基准污染 去重 - 0007
线上如何做提示词版本的 A/B 对比并保证结论可信？
线上如何做提示词版本的 A/B 对比并保证结论可信？ 本文先给出可直接复述的结论，再用最小代码说明提示词 A/B 测试 版本对比 线上评估的工作方式、判断依据、项目边界和常见误区。
核心关键词提示词 A/B 测试 版本对比 线上评估 - 0008
在边缘设备部署前，如何通过模拟真实硬件环境评估微调模型的性能？
在边缘设备部署前，如何通过模拟真实硬件环境评估微调模型的性能？ 本文先给出可直接复述的结论，再用最小代码说明边缘设备 部署前 模拟硬件 评估性能的工作方式、判断依据、项目边界和常见误区。
核心关键词边缘设备 部署前 模拟硬件 评估性能 - 0009
针对长文本生成任务，如何构建有效的评估集以衡量模型的上下文保持能力？
针对长文本生成任务，如何构建有效的评估集以衡量模型的上下文保持能力？ 本文先给出可直接复述的结论，再用最小代码说明长文本生成 评估集 上下文保持能力 构建方法的工作方式、判断依据、项目边界和常见误区。
核心关键词长文本生成 评估集 上下文保持能力 构建方法