

 写点什么

评估模型

收录了评估模型频道下的 50 篇内容

爱奇艺短视频质量评估模型

短视频信息流产品是目前最炙手可热的互联网产品，完全占领了用户的碎片时间，据艾瑞统计2018年短视频产品月独立设备数有6亿+台。

作者 : 爱奇艺技术产品团队

2019-02-07

7882

FACTS 基准测试套件问世，用于评估大型语言模型的事实准确性

FACTS基准测试套件发布，这是一个旨在系统性评估大型语言模型事实准确性的全新行业基准。

作者：Robert Krzaczyński 译者: 平川

01-16

谷歌 Metrax 为 JAX 引入了预定义的模型评估指标

Metrax是一个JAX库，最近由谷歌开源，为分类、回归、自然语言处理（NLP）、视觉和音频模型提供了标准化的性能指标实现。

作者 : Sergio De Simone 译者: 刘雅梦策划: 丁晓昀

2025-12-24

新增模型检验，指标自动评估模型效果｜ModelWhale 版本更新

ModelWhale 将编程建模、模型训练、数据＆算力管理等功能深度整合，通过逐级开放的基础设施，与 Jupyter Notebook 交互式、Canvas 低代码拖拽式、CloudIDE 三种即开即用的云分析环境，为研究者团队解决数据安全应用、底层工程繁复、研究成果流转困难等问题。

人工智能

机器学习

大数据

数据分析

模型训练

ModelWhale

2024-02-02

基于二代征信报告的信用评估模型实践

与一代征信系统相比，二代征信系统在收录数据、信息更新、信用分计算、用户权益保护等方面有所改进。

金融

征信

风控

对话式AI

中关村科金

2023-04-04

智能体成新型攻击入口？模型上线前 OpenAI 内部到底审什么？董事会成员首次详解

今天 AI 安全真正的挑战，已经不再只是“模型会不会说错话”。

作者 : 蔡芳芳

05-13

质量评估模型助力风险决策水平提升

无论自动化测试任务执行、项目准出还是项目流程流转主要依赖人员判断，而人员能力是有区别的，进而会影响质效，本文章主要介绍我们在探索和实践的一条路径，就是通过机器学习模型，让计算机自动，辅助甚至是替代人工，进行决策。

机器学习

企业号十月 PK 榜

智能测试

质量评估模型

百度Geek说

2022-11-15

ACM Multimedia | 京东零售广告创意：统一的布局生成和评估模型

本文入选顶会ACM Multimedia

京东零售技术

01-09

评估模型效果：深入解读混淆矩阵、精准率、召回率和 F1 score

在评估模型效果时，混淆矩阵、精准率、召回率和F1分数是常用的指标，它们可以提供对模型性能的全面评估。下面我们将对这些指标进行深入解读：

测试

测吧(北京)科技有限公司

2024-03-01

国内低代码哪家强？深入探讨低代码选型关键指标和评估模型

本文将深入研究低代码平台的关键指标和评估模型，为信息化从业者提供深刻洞察，助力决策者在众多选择中做出明智选择，找到真正适合业务需求的理想平台。

低代码开发平台

国内低代码

低代码选择

低代码平台比较

低代码排名

牛刀专业低代码

2024-04-10

LMOps 工具链与千帆大模型平台

随着技术的发展，企业和机构对于大模型的需求不断增加，百度智能云在这方面提供了专业的产品，为产业带来了重大的变化和挑战。

百度智能云主任架构师谢勇康策划: 鲁冬雪

2023-08-11

低代码平台运营效果评估模型：AICE

本文以项目实战的方式来介绍低代码平台运营效果评估模型：AICE，该模型兼顾了用户在低代码平台引入后期，从帮助、融入到生态形成等纬度进行凝练。

低代码

企业号 2 月 PK 榜

鲸品堂

2024-02-27

音频评估模型 Tyto：前置环境感知和拦截低质量音频；ASLP 开源 2100 小时中文全双工语音对话数据集丨日报

开发者朋友们大家好：

RTE开发者社区

06-13

Windsurf 推出 Arena Mode，可在开发过程中对比 AI 模型

Windsurf 在其 IDE 中推出 Arena Mode，支持开发者在实际编码场景里并排对比多款大模型，可在开发环境中直接评估，无需依赖公共基准或外部评测网站。

作者：Daniel Dominguez 译者: 明知山

02-14

火山引擎多媒体实验室 AIGC 视频画质理解大模型 VQ-Insight 入选 AAAI 2025 Oral

火山引擎多媒体实验室和北京大学合作的论文 VQ-Insight: Teaching VLMs for AI-Generated Video Quality Understanding via Progressive Visual Reinforcement Learning 被选为本次会议口头汇报文章。

作者 : 字节跳动多媒体实验室

2025-11-28

Legare Kerrison 与 Cedric Clyburn 谈 LLM 性能与评估

有效衡量基于大语言模型（LLM）的应用性能，已经成为企业采用 AI 技术的关键因素。来自红帽团队的 Legare Kerrison 与 Cedric Clyburn 近日在 Arc of AI 2026 大会上分享了评估与优化 LLM 推理的实用方法。他们讨论了 RAG（检索增强生成）与 Agentic AI 等 AI 应用中不同工作负载的资源需求与成本影响，同时强调了 Requests Per Second（RPS）、Time to First Token（TTFT）以及 Inter-Token Latency（ITL）等指标在应用评估中的重要性。

作者：Srini Penchikala 译者: 马可薇

05-10

一线实践视角：在资源受限的环境中构建大语言模型

在本文中，作者认为基础设施和算力限制可以驱动创新，展示了如何通过更小、更高效的模型、合成数据生成以及严谨的工程实践，即使在严峻的资源约束下，也能够构建出具有影响力的大语言模型 AI 系统。

作者：Olimpiu Pop 译者: 明知山

02-13

安势信息受邀参加 COSCon'25 第十届中国开源年会｜「4D 开源组件评估模型 + 清源 SCA」，精准锁定权威组件，守护软件供应链！

安势信息受邀参加COSCon'25 第十届中国开源年会｜「4D开源组件评估模型+清源SCA」，精准锁定权威组件，守护软件供应链！

软件供应链安全

安势信息

清源SCA

COSCon'25

第十届中国开源年会