LLM 裁判偏好更长回答的偏差如何影响 Agent 评估并如何校正
LLM 裁判偏好更长回答的偏差如何影响 Agent 评估并如何校正 本文先给出可直接复述的结论，再用最小代码说明LLM 裁判 冗长偏差 verbosity bias的工作方式、判断依据、项目边界和常见误区。
核心关键词LLM 裁判 冗长偏差 verbosity bias
面试知识索引 · 分类、标签与搜索
AI Agent面试题，511 道完整答案
AI Agent面试题第 3 页，显示第 101–150 题，共找到 511 道完整解析，可继续按分类、标签与关键词缩小范围。
511筛选结果
52技术分类
178检索标签
11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 3 页
本页面试问题
按稳定语义路径排序
- 0101
- 0102
LangSmith 中 dataset、experiment、evaluator 三个概念如何配合完成一次评估
LangSmith 中 dataset、experiment、evaluator 三个概念如何配合完成一次评估 本文先给出可直接复述的结论，再用最小代码说明LangSmith dataset experiment evaluator 评估流程的工作方式、判断依据、项目边界和常见误区。
核心关键词LangSmith dataset experiment evaluator 评估流程 - 0103
用 LLM 作为裁判评估 Agent 输出的基本做法与前提条件
用 LLM 作为裁判评估 Agent 输出的基本做法与前提条件 本文先给出可直接复述的结论，再用最小代码说明LLM as judge Agent 评估 前提的工作方式、判断依据、项目边界和常见误区。
核心关键词LLM as judge Agent 评估 前提 - 0104
升级 Agent 底层模型版本时如何设计回归对照
升级 Agent 底层模型版本时如何设计回归对照 本文先给出可直接复述的结论，再用最小代码说明Agent 模型升级 回归对照 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Agent 模型升级 回归对照 评估 - 0105
当任务存在多条合法解决路径时，如何避免轨迹评估误杀
当任务存在多条合法解决路径时，如何避免轨迹评估误杀 本文先给出可直接复述的结论，再用最小代码说明Agent 多路径 轨迹评估 合法路径的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 多路径 轨迹评估 合法路径 - 0106
多轮对话型 Agent 的评估与单轮任务评估有何不同
多轮对话型 Agent 的评估与单轮任务评估有何不同 本文先给出可直接复述的结论，再用最小代码说明Agent 多轮对话 评估 上下文记忆的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 多轮对话 评估 上下文记忆 - 0107
对同一任务多次运行 Agent 时，pass@k 与 pass^k 各度量什么
对同一任务多次运行 Agent 时，pass@k 与 pass^k 各度量什么 本文先给出可直接复述的结论，再用最小代码说明Agent pass@k pass^k 多次运行 成功率的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent pass@k pass^k 多次运行 成功率 - 0108
Agent 输出的非确定性来自哪些环节，如何提升评估可复现性
Agent 输出的非确定性来自哪些环节，如何提升评估可复现性 本文先给出可直接复述的结论，再用最小代码说明Agent 非确定性 可复现 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Agent 非确定性 可复现 评估 - 0109
Agent 的离线评估与在线评估各自的结论边界是什么
Agent 的离线评估与在线评估各自的结论边界是什么 本文先给出可直接复述的结论，再用最小代码说明Agent 离线评估 在线评估 区别的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 离线评估 在线评估 区别 - 0110
AI Agent 评估中结果评估与过程评估各适合什么场景
AI Agent 评估中结果评估与过程评估各适合什么场景 本文先给出可直接复述的结论，再用最小代码说明Agent 结果评估 过程评估 区别的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 结果评估 过程评估 区别 - 0111
Agent 输出评估中成对比较与单点打分各适合什么决策
Agent 输出评估中成对比较与单点打分各适合什么决策 本文先给出可直接复述的结论，再用最小代码说明Agent 评估 成对比较 单点打分的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 评估 成对比较 单点打分 - 0112
Agent 部分完成任务时应给部分分还是二元成败
Agent 部分完成任务时应给部分分还是二元成败 本文先给出可直接复述的结论，再用最小代码说明Agent 部分完成 部分给分 评分设计的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 部分完成 部分给分 评分设计 - 0113
评估 RAG 型 Agent 时如何分别度量检索质量与回答的接地性
评估 RAG 型 Agent 时如何分别度量检索质量与回答的接地性 本文先给出可直接复述的结论，再用最小代码说明RAG Agent 检索质量 接地性 groundedness 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RAG Agent 检索质量 接地性 groundedness 评估 - 0114
修改 Agent 的系统提示词后应跑哪些回归评估
修改 Agent 的系统提示词后应跑哪些回归评估 本文先给出可直接复述的结论，再用最小代码说明Agent 提示词修改 回归评估 范围的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 提示词修改 回归评估 范围 - 0115
如何防止 Agent 评估集被训练数据或过拟合迭代污染
如何防止 Agent 评估集被训练数据或过拟合迭代污染 本文先给出可直接复述的结论，再用最小代码说明Agent 评估集 数据污染 过拟合的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 评估集 数据污染 过拟合 - 0116
为什么 Agent 回归集应以线上真实失败案例为最高优先级
为什么 Agent 回归集应以线上真实失败案例为最高优先级 本文先给出可直接复述的结论，再用最小代码说明Agent 回归集 失败案例 优先级的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 回归集 失败案例 优先级 - 0117
如何为 AI Agent 构建回归测试集
如何为 AI Agent 构建回归测试集 本文先给出可直接复述的结论，再用最小代码说明Agent 回归测试集 构建 来源的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 回归测试集 构建 来源 - 0118
如何给 AI Agent 的开放式任务设计可操作的评分量规？
如何给 AI Agent 的开放式任务设计可操作的评分量规？ 本文先给出可直接复述的结论，再用最小代码说明AI Agent 开放式任务评分量规 rubric 设计的工作方式、判断依据、项目边界和常见误区。
核心关键词AI Agent 开放式任务评分量规 rubric 设计 - 0119
用 LLM 合成 Agent 评估数据有哪些陷阱
用 LLM 合成 Agent 评估数据有哪些陷阱 本文先给出可直接复述的结论，再用最小代码说明Agent 合成评估数据 陷阱的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 合成评估数据 陷阱 - 0120
评估 AI Agent 时，任务成功率应该怎样定义和统计？
评估 AI Agent 时，任务成功率应该怎样定义和统计？ 本文先给出可直接复述的结论，再用最小代码说明AI Agent 任务成功率定义与统计口径的工作方式、判断依据、项目边界和常见误区。
核心关键词AI Agent 任务成功率定义与统计口径 - 0121
如何评估 AI Agent 工具调用的正确性
如何评估 AI Agent 工具调用的正确性 本文先给出可直接复述的结论，再用最小代码说明Agent 工具调用正确性 评估 tool call correctness的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 工具调用正确性 评估 tool call correctness - 0122
如何评估 Agent 在工具超时、报错、返回脏数据时的鲁棒性
如何评估 Agent 在工具超时、报错、返回脏数据时的鲁棒性 本文先给出可直接复述的结论，再用最小代码说明Agent 工具故障 鲁棒性 故障注入评估的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 工具故障 鲁棒性 故障注入评估 - 0123
如何区分 Agent 选错工具和工具选对但参数错误？
如何区分 Agent 选错工具和工具选对但参数错误？ 本文先给出可直接复述的结论，再用最小代码说明Agent 工具选择错误与参数错误评估的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 工具选择错误与参数错误评估 - 0124
什么是 AI Agent 的轨迹评估，轨迹中应记录哪些关键字段
什么是 AI Agent 的轨迹评估，轨迹中应记录哪些关键字段 本文先给出可直接复述的结论，再用最小代码说明Agent 轨迹评估 trajectory 记录字段的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 轨迹评估 trajectory 记录字段 - 0125
没有参考答案时如何评估 Agent 轨迹是否合理
没有参考答案时如何评估 Agent 轨迹是否合理 本文先给出可直接复述的结论，再用最小代码说明Agent 轨迹评估 无参考 reference-free的工作方式、判断依据、项目边界和常见误区。
核心关键词Agent 轨迹评估 无参考 reference-free - 0126
如何识别和衡量 AI Agent 的多余工具调用？
如何识别和衡量 AI Agent 的多余工具调用？ 本文先给出可直接复述的结论，再用最小代码说明AI Agent 冗余工具调用检测与评估的工作方式、判断依据、项目边界和常见误区。
核心关键词AI Agent 冗余工具调用检测与评估 - 0127
为什么 AI Agent 评估比单轮 LLM 回答评估更难？
为什么 AI Agent 评估比单轮 LLM 回答评估更难？ 本文先给出可直接复述的结论，再用最小代码说明AI Agent 评估与单轮 LLM 评估的区别的工作方式、判断依据、项目边界和常见误区。
核心关键词AI Agent 评估与单轮 LLM 评估的区别 - 0128
限制 Agent 可行动作空间为什么通常提升可靠性？
限制 Agent 可行动作空间为什么通常提升可靠性？ 本文先给出可直接复述的结论，再用最小代码说明agent action space 动作空间 约束 可靠性的工作方式、判断依据、项目边界和常见误区。
核心关键词agent action space 动作空间 约束 可靠性 - 0129
评估一个自主 Agent 的效果为什么不能只看最终答案正确率？
评估一个自主 Agent 的效果为什么不能只看最终答案正确率？ 本文先给出可直接复述的结论，再用最小代码说明agent evaluation 评估 轨迹 过程指标的工作方式、判断依据、项目边界和常见误区。
核心关键词agent evaluation 评估 轨迹 过程指标 - 0130
Agent 的「观察—思考—行动」循环每一轮具体交换哪些信息？
Agent 的「观察—思考—行动」循环每一轮具体交换哪些信息？ 本文先给出可直接复述的结论，再用最小代码说明AI Agent 观察思考行动循环的工作方式、判断依据、项目边界和常见误区。
核心关键词AI Agent 观察思考行动循环 - 0131
给 Agent 授予文件、网络等系统权限时应遵循什么最小化原则？
给 Agent 授予文件、网络等系统权限时应遵循什么最小化原则？ 本文先给出可直接复述的结论，再用最小代码说明agent 权限最小化 沙箱 sandbox 安全的工作方式、判断依据、项目边界和常见误区。
核心关键词agent 权限最小化 沙箱 sandbox 安全 - 0132
自主 Agent 的终止条件应该如何设计才不会提前退出或死循环？
自主 Agent 的终止条件应该如何设计才不会提前退出或死循环？ 本文先给出可直接复述的结论，再用最小代码说明agent 终止条件 max iterations 死循环的工作方式、判断依据、项目边界和常见误区。
核心关键词agent 终止条件 max iterations 死循环 - 0133
如何判定一个 AI 任务该用固定工作流还是自主 Agent？
如何判定一个 AI 任务该用固定工作流还是自主 Agent？ 本文先给出可直接复述的结论，再用最小代码说明AI Agent 与工作流的区别和选型的工作方式、判断依据、项目边界和常见误区。
核心关键词AI Agent 与工作流的区别和选型 - 0134
Augmented LLM 是什么，检索、工具和记忆分别增强什么能力？
Augmented LLM 是什么，检索、工具和记忆分别增强什么能力？ 本文先给出可直接复述的结论，再用最小代码说明Augmented LLM 检索工具记忆三种增强能力的工作方式、判断依据、项目边界和常见误区。
核心关键词Augmented LLM 检索工具记忆三种增强能力 - 0135
Agent 自主性越高为什么越需要监督机制？
Agent 自主性越高为什么越需要监督机制？ 本文先给出可直接复述的结论，再用最小代码说明AI Agent 自主性与安全护栏的工作方式、判断依据、项目边界和常见误区。
核心关键词AI Agent 自主性与安全护栏 - 0136
如何让 Agent 在 token 或成本预算内自适应地决定探索深度？
如何让 Agent 在 token 或成本预算内自适应地决定探索深度？ 本文先给出可直接复述的结论，再用最小代码说明agent 成本预算 token budget 自适应 深度的工作方式、判断依据、项目边界和常见误区。
核心关键词agent 成本预算 token budget 自适应 深度 - 0137
用 LLM 输出驱动条件边跳转时如何保证路由结果可靠？
用 LLM 输出驱动条件边跳转时如何保证路由结果可靠？ 本文先给出可直接复述的结论，再用最小代码说明conditional edge LLM 路由 结构化输出 可靠性的工作方式、判断依据、项目边界和常见误区。
核心关键词conditional edge LLM 路由 结构化输出 可靠性 - 0138
长程自主循环中错误为什么会累积放大？
长程自主循环中错误为什么会累积放大？ 本文先给出可直接复述的结论，再用最小代码说明agent 错误累积 compounding error 长任务的工作方式、判断依据、项目边界和常见误区。
核心关键词agent 错误累积 compounding error 长任务 - 0139
Evaluator-Optimizer 循环在什么条件下值得引入额外成本？
Evaluator-Optimizer 循环在什么条件下值得引入额外成本？ 本文先给出可直接复述的结论，再用最小代码说明evaluator optimizer 迭代优化 适用条件的工作方式、判断依据、项目边界和常见误区。
核心关键词evaluator optimizer 迭代优化 适用条件 - 0140
Agent 编排图为什么需要支持环（cycle）而不只是 DAG？
Agent 编排图为什么需要支持环（cycle）而不只是 DAG？ 本文先给出可直接复述的结论，再用最小代码说明agent graph cycle 循环 DAG 反思迭代的工作方式、判断依据、项目边界和常见误区。
核心关键词agent graph cycle 循环 DAG 反思迭代 - 0141
为什么 Agent 需要从环境获取真实反馈而不是只靠模型自我判断？
为什么 Agent 需要从环境获取真实反馈而不是只靠模型自我判断？ 本文先给出可直接复述的结论，再用最小代码说明agent grounding 环境反馈 自我评估 局限的工作方式、判断依据、项目边界和常见误区。
核心关键词agent grounding 环境反馈 自我评估 局限 - 0142
在 Agent 工作流中哪些决策点适合设置人工检查点？
在 Agent 工作流中哪些决策点适合设置人工检查点？ 本文先给出可直接复述的结论，再用最小代码说明human in the loop 检查点 高风险操作 审批的工作方式、判断依据、项目边界和常见误区。
核心关键词human in the loop 检查点 高风险操作 审批 - 0143
为什么 Agent 的可重试工具应当设计成幂等的？
为什么 Agent 的可重试工具应当设计成幂等的？ 本文先给出可直接复述的结论，再用最小代码说明agent 工具幂等 idempotent 重试 副作用的工作方式、判断依据、项目边界和常见误区。
核心关键词agent 工具幂等 idempotent 重试 副作用 - 0144
如何用 LangSmith 诊断一个 LangGraph Agent 的异常行为？
如何用 LangSmith 诊断一个 LangGraph Agent 的异常行为？ 本文先给出可直接复述的结论，再用最小代码说明LangGraph LangSmith 调试 trace 诊断的工作方式、判断依据、项目边界和常见误区。
核心关键词LangGraph LangSmith 调试 trace 诊断 - 0145
LangGraph 的 durable execution 如何在 Agent 崩溃后恢复执行？
LangGraph 的 durable execution 如何在 Agent 崩溃后恢复执行？ 本文先给出可直接复述的结论，再用最小代码说明LangGraph durable execution 持久化 恢复的工作方式、判断依据、项目边界和常见误区。
核心关键词LangGraph durable execution 持久化 恢复 - 0146
LangGraph 的 streaming 在 Agent 应用中用于暴露哪些中间过程？
LangGraph 的 streaming 在 Agent 应用中用于暴露哪些中间过程？ 本文先给出可直接复述的结论，再用最小代码说明LangGraph streaming 中间状态 流式输出的工作方式、判断依据、项目边界和常见误区。
核心关键词LangGraph streaming 中间状态 流式输出 - 0147
LangGraph 为什么定位为底层编排框架而不是高抽象 Agent 封装？
LangGraph 为什么定位为底层编排框架而不是高抽象 Agent 封装？ 本文先给出可直接复述的结论，再用最小代码说明LangGraph low-level orchestration 设计动机的工作方式、判断依据、项目边界和常见误区。
核心关键词LangGraph low-level orchestration 设计动机 - 0148
给 Agent 设置最大迭代次数时如何权衡任务完成率与成本？
给 Agent 设置最大迭代次数时如何权衡任务完成率与成本？ 本文先给出可直接复述的结论，再用最小代码说明agent 最大迭代次数 成本 完成率 权衡的工作方式、判断依据、项目边界和常见误区。
核心关键词agent 最大迭代次数 成本 完成率 权衡 - 0149
划分 Agent 图中节点的粒度时遵循什么原则？
划分 Agent 图中节点的粒度时遵循什么原则？ 本文先给出可直接复述的结论，再用最小代码说明agent graph 节点粒度 划分原则的工作方式、判断依据、项目边界和常见误区。
核心关键词agent graph 节点粒度 划分原则 - 0150
设计 Agent 的「观察」时如何决定给模型看多少环境信息？
设计 Agent 的「观察」时如何决定给模型看多少环境信息？ 本文先给出可直接复述的结论，再用最小代码说明agent observation 设计 信息量 噪声 取舍的工作方式、判断依据、项目边界和常见误区。
核心关键词agent observation 设计 信息量 噪声 取舍