告别凭感觉测试：Google Labs 推出大模型评估工具 Stax
Google Labs 联手 DeepMind 推出实验性开发者工具 Stax。开发者可通过上传测试集、使用 Gemini 等预设或自定义「自动评分员」来批量打分，摆脱靠肉眼观察输出的玄学测试，系统化衡量提示词和模型表现。
Google Labs 联手 DeepMind 推出实验性开发者工具 Stax。开发者可通过上传测试集、使用 Gemini 等预设或自定义「自动评分员」来批量打分，摆脱靠肉眼观察输出的玄学测试，系统化衡量提示词和模型表现。