Skip to content
← 返回课程
CS336 2026 · Lecture 12已发布

Evaluation

日期
Wed May 6
讲师
Percy
课程资料
10 项
内容产物
4 项

课程简介 ​

本讲从困惑度、知识问答和偏好评测出发,逐步扩展到代码、终端、网络安全等 Agent 任务以及安全与专业领域评测。重点讨论指标饱和、评审模型偏差、数据污染、测试环境缺陷和排行榜过拟合,建立“先检查任务与样本,再解释分数”的评测习惯。
COURSE MATERIALS官方资料与延伸阅读
ASSIGNMENTS作业节点

资料来源归原作者与课程方所有 · 笔记内容持续校订