Evaluation - 標籤 - DataSci Ocean

Evaluation

2026

PDF 解析排行榜能信嗎？拆解 ParseBench 的評分設計 10-15

便宜判官先判、沒把握才找 GPT-6：JEV 串接真的省錢嗎？ 10-06

會自我進化的 AI Agent，只是在背考題？Google RRSI 的護欄設計 10-04

LLM-as-a-Verifier：比 LLM-as-a-Judge 更可靠的評分機制 08-26

RAGU：一篇替 GraphRAG 量出天花板的論文 08-22

Adaptive Chunking：讓 RAG 系統學會「因材施教」的切分策略 07-22

2024

[論文介紹] ChatEval: Towards Better LLM-Based Evaluators Through Multi-Agent Debate 06-23