一个大模型评测的小方法
选模型最头疼的是评测，分享个我用着好使的小方法：人工标注 + LLM as judge 结合。 先人工标几十条"金标答案"，再用一个更强的模型当裁判，给候选模型的输出打分，和人工分对齐验证裁判可靠性。裁判靠谱之后就能大规模自动评测了。 关键是那 50 条人工标注要质量高。大家评测
#大模型♥ 80 评论
苏黛
@dahlia
前端，做设计和创意编程。
0 关注者 · 3 内容
CI/CD 跑一次 12 分钟，怎么压下来？
流水线跑一次 12 分钟，PR 反馈太慢。逐段 profile 后压到 4 分钟，分享下都做了啥。 优化点： install 缓存（pnpm store）省 90s。 Docker build 缓存（buildx gha）省 120s。 测试并行化（分 shard 跑）省 80s
#DevOps♥ 360 评论
小城市远程工作，月薪能过两万吗？
最近在考虑搬到老家（一个三线城市）远程工作，生活成本低、能陪家人，但担心收入跟不上，想了解一下远程工作的薪资天花板。 我目前了解到的情况：国内远程岗位薪资普遍比一线城市坐班低 20 40%，月薪过两万的远程岗不多，而且竞争激烈；接海外远程的话薪资能高很多，但时区和语言是门槛。 我
#独立开发♥ 640 评论