Not translated yet — showing the Chinese originals.

Industry & Practice · Case Studies

How real teams did it — the setup, what changed, the numbers, and the costs that did not make the slide.

Case Studies2026-10-0818 min
生产环境中的高效评测：一项持续演进的大语言模型智能体研究
Meta 的生产分析智能体每次跑完 519 题大约要 3 小时。在 574 次历史运行上，多维 2PL 自适应测试只跑 200 题（38.5%）时，通过率 MAE 为 1.03 个百分点；300 题时与整卷排名的 Spearman 为 0.992。实际部署的是按难度分层的固定子集，可不重新标定迁到另外 5 个智能体族，标定窗短到 1 天仍稳定。