CodexQA

公开课大模型与 Agent 评测实战

大模型与 Agent 评测实战

共 45 讲

第 32 讲 · 5:07

用 Pass@k 与 Pass^k 衡量随机性

本讲实验：区分偶尔成功和稳定成功，避免被单次运行结果误导。

在 B 站打开这一集慢学AIB 站合集视频由 B 站播放。

这门课

一门课讲清 AI 测评和传统测试差在哪，指标、流程、风险和缺陷怎么定级，再用 EvalScope 对接 Langfuse 把一批用例跑起来。视频来自学掌门的公开合集，站点只收测评主线。

适合谁
做 AI 测试、模型验收或 Agent 上线评审的测试和研发。
学完能做什么
能说出评什么、用什么指标、缺陷怎么定级，并按课把 EvalScope 和 Langfuse 接上跑完一批用例。

想让团队一起学？团队培训按范围安排。 预约评估