SuperAPI AI 工具集

Skill 广场

找到适合任务的 Agent Skill,阅读介绍并复制安装命令。

更新于 10-18 00:12

测试与质量

12,274 个结果

comparative-evaluation

该技能聚焦 AI 输出的比较评估方法,涵盖 A/B 测试、并排对比与偏好排序。它指出绝对质量分数有用但有限,将输出并排比较往往能揭示评分量表遗漏的质量差异。技能整理了多种比较方法:A/B 测试、并排评估、偏好排序、成对比较与 Elo 评分;并说明 AI 的 A/B 测试与 UI 不同,存在输出方差高、上下文敏感、指标滞后、交互效应等特点,需保证足够样本量、按任务类型与用户经验分层、采用多指标并设置护栏。并排评估设计强调盲评、一致输入、结构化标准、至少 3 名评估者与多样化输入。还给出比较评估与绝对评估的适用场景及多种设计产物模板。

测试与质量122 次安装