Shreya Shankar & Hamel Husain
署名于 AI 与新工作方式
AI 与新工作方式 · 2 张
AI·BM·178 基准数据
评估投入精力基准线Evals Effort Benchmarks
给"做 evals 要投入多少"一组经验基准数字，用于排期、预期管理，以及反驳"evals 太贵做不起"。
Shreya Shankar & Hamel Husain AI 时代
AI·PB·479 操作手册
LLM 裁判二元对齐框架LLM As Judge Binary Alignment
某个失败模式太主观、无法用代码断言检查（如"该不该把对话转接给人工"），想用 LLM 自动判断，但直接写个裁判 prompt 就当真会产出不可信的 evals——团队一旦发现 eval 不可信，就再也不信你的 evals。
Shreya Shankar & Hamel Husain AI 时代
框架、方法、洞察本身属于 Shreya Shankar & Hamel Husain。卡片是用中文重新组织的转述，仅保留少量带署名的短引述。关于与出处 →