告別憑感覺測試：Google Labs 推出大模型評估工具 Stax
Google Labs 聯手 DeepMind 推出實驗性開發者工具 Stax。開發者可通過上傳測試集、使用 Gemini 等預設或自定義「自動評分員」來批次打分，擺脫靠肉眼觀察輸出的玄學測試，系統化衡量提示詞和模型表現。
Google Labs 聯手 DeepMind 推出實驗性開發者工具 Stax。開發者可通過上傳測試集、使用 Gemini 等預設或自定義「自動評分員」來批次打分，擺脫靠肉眼觀察輸出的玄學測試，系統化衡量提示詞和模型表現。