模型评估-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 4960 篇文章
累计创建 1791 个标签
累计收到 0 条评论

目录CONTENT

以下是模型评估相关的文章

2026-02-01
减少AI中的隐私泄露：两种实现语境完整性的方法本文探讨了在人工智能（AI）系统中保护用户隐私的关键挑战，重点介绍了两种基于Helen Nissenbaum语境完整性（Contextual Integrity, CI）框架的方法。研究人员提出了利用CI原则来评估和减轻AI模型（尤其是大型语言模型）在训练和使用过程中数据泄露的风险，旨在平衡AI的效用与用户的隐私期望。
- 2026-02-01
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-01-31
使用 Amazon SageMaker AI 上的 Amazon Nova LLM-as-a-Judge 评估生成式 AI 模型评估大型语言模型（LLM）的性能超越了传统的统计指标。本文介绍了如何在 Amazon SageMaker AI 上使用 Amazon Nova LLM-as-a-Judge 功能，这是一个强大的、经过严格验证的 LLM 评估方法。Nova LLM-as-a-Judge 能够提供公正的、与人类偏好高度一致的成对比较，帮助用户在几分钟内部署工作流程，并做出数据驱动的模型改进决策。
- 2026-01-31
- 0
- 0
- 0
2026-01-28
用于改进时间序列模型的5种交叉验证方法
- 2026-01-28
- 0
- 0
- 0
- AI基础/开发
2026-01-28
人工智能测试与评估：科学与行业的经验教训本文探讨了人工智能测试与评估的最新进展，汇集了科学界和工业界的宝贵经验。了解如何构建更可靠、更安全的AI系统，以及未来AI评估面临的挑战与机遇。
- 2026-01-28
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-01-28
使用 Amazon Bedrock 构建可靠的智能体式 AI 解决方案：学习 Pushpay 在生成式 AI 评估方面的经验本文深入探讨了 Pushpay 如何利用 Amazon Bedrock 构建创新的智能体式（Agentic）AI 搜索功能。通过引入定制的生成式 AI 评估框架、黄金数据集和基于域的分析，Pushpay 成功将洞察获取时间从数分钟缩短至数秒，并将准确率从 60-70% 提升至 95% 以上。了解他们如何实现生产级 AI 代理的可靠性与迭代优化。
- 2026-01-28
- 0
- 0
- 0