← 返回课程

CS329Z Fall 2026 · Lecture 13草稿待校对

Evaluation Fundamentals & Benchmark Design

日期

Wed Nov 4, 2026

课程资料

3 项

内容产物

0 项

本讲资源

课程主页 ↗官方课程日程 ↗

视频待接入官方资源发布后会自动出现在这里

课程简介

用请求、环境、停止条件和评分器设计任务，建立可靠的 Agent 基准。 已按官网阅读清单整理预习 Note、Blog，属于阅读准备稿，尚无本讲课堂讲义。 录播需课程 Canvas 权限，尚未取得课堂字幕；英文逐字稿与中文译稿均待真实来源补齐。

COURSE MATERIALS官方资料与延伸阅读

论文Zhu et al. "Establishing Best Practices for Building Rigorous Agentic Benchmarks." (2025).官方课程阅读↗技术文章Press. "How to Build Good Language Modeling Benchmarks." (2024).官方补充阅读↗论文Polo et al. "tinyBenchmarks: Evaluating LLMs with Fewer Examples." ICML (2024).官方补充阅读↗