模型评测完整教程:从一道题到可信的比较

从一道题的判分到可信的模型比较:20 章完整教程、5 个交互实验,以及可下载复算的 Python 示例与教学数据。

约 40 分钟caulif 浏览

Agent 评测:如何判断任务是否可靠完成

Agent 回复完成了,任务就真的完成了吗?用十二节图文笔记梳理如何定义成功、定位失败并判断可靠性。

约 11 分钟caulif 浏览

LLM Offloading 与 Fate 论文

记录 Fate 论文对 LLM Offloading 的观察,以及 MoE 卸载领域的几个主流方向。

约 5 分钟caulif 浏览