#LLM评测

共 5 条 · 7 天 2 条 · 30 天 4 条

信息流里打上「LLM评测」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月16日

LangChain 介绍了客户情报创业公司 Opine，他们把每条生产 LLM 调用都接入 LangSmith 追踪，改 prompt 或换模型必须先过评测，做 LLM 运维的可以参考这套做法。

官方账号LangChain@LangChainAI2 个信源在谈原文

10月13日

mondaydotcom 的工程师讲怎么用 LangSmith 搭评测管线，线上监控加线下回归都有，做 LLM 应用的可以抄作业。

官方账号LangChain@LangChainAI原文

10月5日

哥伦比亚法律考了 15 个模型，Gemini 3.1 Pro 选择题 0.905 但写答案正确率不到 0.45，引用的法条一半是编的，做法律 AI 的都该看看。

arXiv cs.AI@Rubén Manrique 等 6 人原文

9月25日

模型说你没导演所以不选你，把导演资料塞回去它真会改主意吗？这篇把六个开源模型测了个遍，答案是……内容只占一部分。

arXiv cs.LG@Archit Rastogi原文

8月17日

跑大模型评测总烧钱？这个框架能省下最多97%的采样次数，结论还一样，做评测的人值得看看。

arXiv cs.AI@Toby D. Pilditch原文