#LLM 评测

Eval-Driven Development 实战：用评估数据集驱动 Prompt/模型/架构迭代

从构建 Golden Dataset → CI 集成 → 回归检测 → 自动选优，搭建完整的 AI 质量门禁 pipeline，覆盖代码生成/客服问答/信息抽取三类任务的完整实践。