公开课Agent Eval 评分器与迭代实战
Agent Eval 评分器与迭代实战
共 2 讲
第 2 讲 · 39 分钟
用 hill-climbing 迭代 Agent Eval
本讲实验：从基础 system prompt 出发，用评测分数验证 QA loop 与模型切换是否真的带来改进。
在 B 站打开这一集星小脉B 站合集视频由 B 站播放。
这门课
以幻灯片生成 Agent 为案例，沿着 code-based、model-based 与 human grader，理解多评委共识、pairwise 比较和 hill-climbing 如何把 Agent 评测接到迭代流程里。
- 适合谁
- 需要设计 Agent 评测器、比较不同版本效果，或把 Eval 接入迭代流程的测试、研发与产品人员。
- 学完能做什么
- 能区分三类评分器，理解多评委与 pairwise 的使用场景，并按视频示例建立从基线到 hill-climbing 优化的 Agent 评测思路。
想让团队一起学？团队培训按范围安排。 预约评估