文章详情

A/B Test

在 Agent 系统开发过程中，自动评测可以帮助团队在离线环境中评估模型能力和系统表现，但离线测试往往无法完全反映真实用户场景。例如，用户的表达方式可能更加多样，任务复杂度也可能远高于测试数据集。因此，在系统上线后，通常需要通过 A/B Test 来评估不同版本 Agent 在真实环境中的表现。 A/B Test（A/B 测试）是一种常见的在线实验方法，其核

3 阅读