谁:测试工程师与评测运营。 何事:为GEO建立非确定性答案的评测、回归与发布门禁。 何时:每次模型、提示词、知识库和内容变更后。 何地:评测平台、灰度环境、线上抽样与人工盲评。 如何:分层问题集、基线快照、引用溯源、置信区间和A/B对比。
相似问题