热门话题
#
Bonk 生态迷因币展现强韧势头
#
有消息称 Pump.fun 计划 40 亿估值发币，引发市场猜测
#
Solana 新代币发射平台 Boop.Fun 风头正劲
Peter Yang
撰写AI评估的3个最佳实践：
1. 平衡速度和严谨性
从十几个测试用例开始，然后进行迭代。在仍在进行重大提示更改时，不要构建数百个测试用例。识别并修复最大的失败模式，然后扩展覆盖范围。
2. 关注评估标准和手动标签
你的评估标准和黄金数据集是其他一切的基础。无法绕过在电子表格中进行这项手动工作的过程 - 关注确保你的人工标签质量良好。
3. 不要过早扩展LLM评审
在扩展之前，目标是你的LLM评审与人工标注者之间的对齐率达到约80%。定期审核结果 - 不要假设它总是正确的。
明天，我将分享一份关于AI评估的初学者指南，逐步示例，任何人都可以跟随。
📌 注册以获取它到你的收件箱：
（附言：这就是我想象中的LLM评审的样子）
4.23K
"Vibe 编码与使用 AI 编写经过审查、测试和维护的代码并不相同。"
这是我与 @leerob（@cursor_ai 的 AI 教育负责人）新一期的节目，他展示了如何通过规划、测试驱动开发、代理工作流等方式正确构建 AI 应用。
Lee 的一些建议：
1. 与 AI 合作，提前创建详细的技术计划，包括需求、设计偏好和您首选的技术栈。
2. 请 AI 编写测试，以便它可以检查自己的工作。将此添加到计划中："为业务逻辑编写单元测试，为核心用户旅程编写端到端测试。"
3. 在您的初始计划中添加"进行描述性提交"，以便您可以跟踪 AI 更改了什么以及为什么。
📌 现在观看我们的初学者友好教程：
也可在以下平台观看：
Spotify：
Apple：
通讯：
100.65K
热门
排行
收藏