LLM 评测

1 篇带有标签“LLM 评测”的文章

Prompt 回归测试实测：同一份 prompt 在两个模型上错得不一样

2026年9月17日

11 条告警用例、4 个 prompt 版本、2 个模型共 198 次调用：JSON 合法但契约合规 0/33，temperature=0 判决仍翻转。