目录 / testing-ai-ch06-evals-that-matter
SKILL
未评级
已上架
testing-ai-ch06-evals-that-matter
当AI编码代理需要《测试AI：构建有意义的评估》第6章时，可使用本章节。触发主题包括评估（evals）、基准测试（benchmarks）、MMLU、GPQA、HumanEval、SWE-bench、ARC Prize、NDCG、搜索相关性、质量指标、渐进式改进、基准盲点等。应用本章内容以生成实用的评估、测试、追踪记录、风险分析、发布证据或审查指导。
模型生成摘要（rules/v1 · 2026-11-15 22:02）：当AI编码代理需要《测试AI：构建有意义的评估》第6章时，可使用本章节
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
存档时间线
| 版本 | 存档时间 | 内容哈希 | 内容 |
|---|---|---|---|
| v1 | 2026-11-15 22:01 | 98a5a180 | 可取 |
版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。
纠错与举报（发现条目失效、署名有误或涉及侵权？）
提交举报 / 纠错
侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。