测试学AI模型评测，是新赛道吗
传统测试越来越卷，但 AI 应用越多，一个新问题也越来越明显：大模型到底怎么测？接口返回 200，不代表回答是对的功能能跑通，不代表模型不会幻觉同一个 Prompt 跑十次，结果甚至可能十次都不一样以前测试关注的是“结果符不符合预期”，AI 时代还要关注准确性、相关性、幻觉率、稳定性、安全性，以及 RAG 召回和 Agent 任务完成率这意味着测试工程师原来的用例设计、边界分析、自动化、质量评估能力并没有过时，只是测试对象变了但只会点点页面肯定不够Prompt 测试、RAG 评测、Agent 评测、LLM 自动化评测、评测集构建，这些正在变成新的能力门槛AI 模型评测是不是新赛道还不好下定论，但对测试来说，它至少是一张值得提前拿到的船票
发布于 四川
分享
评论
赞
未登录
友善发言
评论
加载中
