Keep on to blur preview images; turn off to show them clearly
在众多大语言模型选择当中，如何评估一个大模型在具体任务上的表现，成为了我们一大难题。 刚好看到，Hugging Face 开源了一份《LLM 评估指南》，系统地解答了我们在 LLM 评估中的各种困惑。 涵涵盖了自动化基准测试、人工评估、LLM-as-a-judge 三大主流评估方法，还提供了丰富的实践经验、故障排查技巧，以及如何设计适合自己需求的评估方案。 GitHub：https://t.co/L4LjSmvDtN 主要内容： - 自动化基准测试：包括基础知识、评估设计、数据集推荐和实用技巧； - 人工评估：涵盖基础概念、如何使用人工标注员及实践经验； - LLM-as-a-judge：从获取评判模型到设计提示词，再到评估评估器本身； - 故障排查：针对推理和可复现性问题的实用解决方案； - 通用知识：模型推理、分词等 LLM 基础概念的入门讲解； - 年度深度分析：2023-2025 年关于开源、评估目的和实用性的思考。 内容按难度分层，初学者可从 “基础” 部分入门，进阶朋友可直接查看 “技巧” 或 “故障排查” 章节，另外还提供了中文和法语社区翻译版本。
💡 挖掘开源的价值 🧑🏻💻 坚持分享 GitHub 上高质量、有趣、实用的教程、AI工具、前沿 AI 技术 🧐 A list cool, interesting projects of GitHub. ✏️ 公众号：GitHubDaily
NOFX 持续亏损中，调整下提示词，再跑 24 小时，还是亏的话就先暂停了
前端切图仔🧑🏻💻，后端三脚猫🤷🏻♂️，运维挖坑人🤦🏻♂️，AI 门外汉🧐。 开源: ⚡ https://t.co/wk0K4h9gd5 玩具: 📮 https://t.co/VTi1aFKE2y 🧰 https://t.co/cRxrFndEFH 我在使用的工具： 🛠：https://t.co/47QLYWyxJA
有没有模型或云服务厂商合作一个商单，哈哈哈 整活！
🚧 building https://t.co/AJfZ3LMlgq https://t.co/SSdYgVYZsz https://t.co/s0m0tpQMDH https://t.co/Z3WryKZr0l 🐣learning/earning while helping others ❤️making software, storytelling videos 🔙alibaba @thoughtworks
我是怎么应对抄袭的， 如果对方搬运内容， 没有流量，那么我就一笑而过。 如果对方搬运了我的内容， 然后比我的还火， 那我就要停下来， 好好思考一下。我会去研究一下这个账号是怎么做到的， 为什么在我手里是破铜烂铁，到人家那里就能变废为宝了。 再其次， 这个账号靠搬运能做的这么好，一定可以学习的地方，他可以抄，我也可以抄，把他二次创作的内容，重新抄回来。 --- 我反对抄袭的，不尊重原创的，我支持所有打击抄袭、搬运的一切行为，原创不容易。
Programmer ｜ Growth Coach｜Helping creators build their personal brand on X 公众号：PandaTalk8
10 years later, we founders are still falling for the Next Feature Fallacy 😅
Just a funny dude building stuffs. Solo founder. Bootstrapping @Bolt__AI (https://t.co/jragKbfU8B) to $1B MRR. Expect memes.
RT @servasyy: 一下冲到了Github第一 在这个信息茧房的时代，这个东西确实非常好用 我也试了一下 能抓9个平台的信息，小红书，抖音，知乎，快手，贴吧等 推特和Reddit的话要自己写代码 Report出来的东西，最好换换模型。试下来国内模型比较容易产生幻觉…
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.