行业与实践 · 标签「LLM-as-judge」

研究与基准测试/2026-10-14/18 分钟

从看似合理的层级到可用的分类体系：在客户反馈上评测智能体支架

六棵分类体系都通过了逐节点的通用检查，生成树的产品术语覆盖甚至更高。整树一看，生成叶名有 97.7% 到 100% 只是在复述祖先，其中一棵有 76.4% 的记录跨过顶层分支。