别只信基准测试：如何在真实工作环境中评测 LLM？
WhatererBlah555 · reddit · 2026-08-25
作者指出，主流基准测试虽然有用，但模型可能为此过度优化；而凭直觉判断又不可靠，简单的测试任务也无法代表实际工作负载。因此向社区请教：大家在工作环境中是如何对 LLM 进行基准测试的？
「编程与Agent」频道最新
- rakyll：自动生成系统玩家与编码 agent 用户是两个世界 — rakyll · 2026-08-25
- 技巧：在 Codex 中使用 /visualize 可视化任意回复 — daniel_mac8 · 2026-08-25
- AI Agent架构探讨：背景代理过强而助手能力不足的副作用 — herbiebradley · 2026-08-25
- OpenCode Go 推出订阅制：10 美元获 60 美元额度 — mariofilhoml · 2026-08-25
- 用 Agent 评估代码依赖漏洞的可利用性 — andreamichi · 2026-08-25
- HuggingNews：用 AI Agent 自动聚合当日报表 — ivan_bezdomny · 2026-08-25