熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
#
有消息稱 Pump.fun 計劃 40 億估值發幣，引發市場猜測
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
Peter Yang
撰寫AI評估的3個最佳實踐：
1. 平衡速度和嚴謹性
從十幾個測試用例開始，然後進行迭代。在仍在進行重大提示更改時，不要構建數百個測試用例。識別並修復最大的失敗模式，然後擴展覆蓋範圍。
2. 關注評估標準和手動標籤
你的評估標準和黃金數據集是其他一切的基礎。無法繞過在電子表格中進行這項手動工作的過程 - 關注確保你的人工標籤質量良好。
3. 不要過早擴展LLM評審
在擴展之前，目標是你的LLM評審與人工標註者之間的對齊率達到約80%。定期審核結果 - 不要假設它總是正確的。
明天，我將分享一份關於AI評估的初學者指南，逐步示例，任何人都可以跟隨。
📌 註冊以獲取它到你的收件箱：
（附言：這就是我想像中的LLM評審的樣子）
4.23K
"Vibe 編碼與使用 AI 編寫經過審查、測試和維護的代碼並不相同。"
這是我與 @leerob（@cursor_ai 的 AI 教育負責人）新一期的節目，他展示了如何通過規劃、測試驅動開發、代理工作流等方式正確構建 AI 應用。
Lee 的一些建議：
1. 與 AI 合作，提前創建詳細的技術計劃，包括需求、設計偏好和您首選的技術棧。
2. 請 AI 編寫測試，以便它可以檢查自己的工作。將此添加到計劃中："為業務邏輯編寫單元測試，為核心用戶旅程編寫端到端測試。"
3. 在您的初始計劃中添加"進行描述性提交"，以便您可以跟蹤 AI 更改了什麼以及為什麼。
📌 現在觀看我們的初學者友好教程：
也可在以下平台觀看：
Spotify：
Apple：
通訊：
100.66K
熱門
排行
收藏