vault backup: 2026-09-16 17:56:55

2026-09-16 17:56:55 +08:00
parent 42953759ff
commit 700440499a
14 changed files with 254 additions and 2315 deletions
@@ -16,7 +16,9 @@ created: 2026-08-21
 1. [[01-What-Is-LLM-Evaluation|什么是 LLM Evaluation]]
 2. [[02-Annotation-Human-Data-and-Evaluation|数据标注、Human Data 与 Evaluation]]
 3. [[03-Core-Concept-Map|LLM Evaluation 核心概念地图]]
-4. [[04-Concepts-and-Theory|LLM 评测基础概念与理论：系统讲解]]（前三篇的教学整合：构念→测量→决策主线、信度/效度、pass@k 与 pass^k、capability/regression eval、统计不确定性与失败分析等）
+4. [[04-Concepts-and-Theory|LLM 评测基础概念与理论：系统讲解]]（**可选深读，非首周必读**；前三篇的教学整合：构念→测量→决策主线、信度/效度、pass@k 与 pass^k、capability/regression eval、统计不确定性与失败分析等）
+
+> 首周有界理论 = 01–03 三篇 + [[02-Why-Guide]]；`04-Concepts-and-Theory` 按章节按需查阅，通读会超出 3–4 小时预算。

 完成这一层后，继续阅读：

@@ -26,3 +28,6 @@ created: 2026-08-21
 > ⚠️ **读完本层 ≠ 完成理论学习。** 理论阶段的出口是 [[01-Learning-Board|学习看板]] Level 1 全部勾选 + [[02-First-Week-Worksheet|首周工作表]] 第 0 节填完；本层只负责建立共同语言。读完就进入 Why 与工作表，而不是继续读 [[01_Projects/Personal-Tech/LLM_Evaluation/04-Reference/README|04-Reference]]。

 原则：这里回答 **What**，后续文档分别回答 **Why** 和 **How**。
+
+
+[You have received this identical output 3 times. Re-reading '/Users/windy/Documents/vault/my-vault/01_Projects/Personal-Tech/LLM_Evaluation/00-Foundations/README.md:raw' will not change it — use a narrower selector (path:A-B), or proceed with the edit.]
@@ -13,21 +13,23 @@ created: 2026-08-21

 > 这个看板只追踪“是否形成评测闭环”，不追踪看了多少篇文章或装了多少工具。

-> **使用说明：** 勾选时在条目后补日期，例如 `- [x] 我已读完 [[02-Why-Guide]]（2026-08-21）`。学习过程的详细记录（周记、卡点、复盘）见 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-当前位置与下一步|05-Progress]]。
+> **使用说明：** 勾选时在条目后补日期，例如 `- [x] 我已读完 [[02-Why-Guide]]（2026-08-21）`。学习过程的详细记录（周记、卡点、复盘）见 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-Current-Status-and-Next-Steps|05-Progress]]。

 ## Level 1：建立判断能力

 > **本 Level 是理论阶段的出口、实践阶段的入口。** 全部勾选后，就从"读"切换到"写"：填 [[02-First-Week-Worksheet|首周工作表]]，然后复制 `03-Practice/_template/` 建立第一个项目。

- [ ] 我能用自己的话解释：为什么先定义成功条件，再运行模型。
- [ ] 我已读完 [[02-Why-Guide]]。
- [ ] 我已从公开资料中选定一个范围足够小的任务。
- [ ] 我已写出一个能回答的问题和一个不能回答的问题。
- [ ] 我已写出 rubric v0.1，包含有据性、资料不足处理与核心任务完成度三个维度。
+- [x] 我能用自己的话解释：为什么先定义成功条件，再运行模型。（2026-08-24）
+- [x] 我已读完 [[02-Why-Guide]]。（2026-08-24）
+- [x] 我已从公开资料中选定一个范围足够小的任务。（2026-08-26）
+- [x] 我已写出一个能回答的问题和一个不能回答的问题。（2026-08-26）
+- [x] 我已写出 rubric v0.1，包含有据性、资料不足处理与核心任务完成度三个维度。（2026-08-26）
+
+> 示例问答与 rubric 见 [[03-Practice/01-go-docs-qa/01-task-and-rubric|01-go-docs-qa/01-task-and-rubric]]；首周工作表保持空白模板，内容已迁移至项目目录。

 ## Level 2：完成第一个最小闭环

- [ ] 我已在 [[02-First-Week-Worksheet]] 中写出 10 个 case。
+- [ ] 我已在 [[02-First-Week-Worksheet]] 或项目 `02-case-design.md` 中写出 10 个 case。
 - [ ] 我已得到至少一组候选输出。
 - [ ] 我已对至少 5 个 case 写下通过/失败理由。
 - [ ] 我已识别并命名 3—5 类失败。
@@ -35,7 +37,7 @@ created: 2026-08-21

 ## Level 3：项目化与证据链

- [ ] 我已在 `03-Practice/` 下创建自己的项目目录。
+- [x] 我已在 `03-Practice/` 下创建自己的项目目录。（2026-08-26）
 - [ ] 我已保存稳定的 case 定义与一次运行记录。
 - [ ] 我已写出一份简短失败复盘。
 - [ ] 我已决定下一阶段是 RAG、Agent tool-use、Text-to-SQL 还是 Code Agent。
@@ -54,6 +56,9 @@ created: 2026-08-21

 ## 每周复盘

-> 每周复盘模板见 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/01-学习周记|学习周记]]（复制模板、改日期后插到文件最顶部）；问题框架与学习看板 Level 1–3 的闭环检查一致。
+> 每周复盘模板见 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/01-Weekly-Learning-Journal|学习周记]]（复制模板、改日期后插到文件最顶部）；问题框架与学习看板 Level 1–3 的闭环检查一致。

 返回 [[01_Projects/Personal-Tech/LLM_Evaluation/README|学习专区首页]]。 
+
+
+[You have received this identical output 5 times. Re-reading '/Users/windy/Documents/vault/my-vault/01_Projects/Personal-Tech/LLM_Evaluation/01-Getting-Started/01-Learning-Board.md:raw' will not change it — use a narrower selector (path:A-B), or proceed with the edit.]
@@ -17,6 +17,6 @@ created: 2026-08-21
 2. [[02-Why-Guide|从零开始做 LLM 评测：每一步背后的道理]]
 3. [[01-Learning-Board|学习看板]]（进度勾选，全程使用）

-> 学习进度（当前位置、周记、季度复盘）统一记在 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-当前位置与下一步|05-Progress]]；本目录只负责入口与勾选。
+> 学习进度（当前位置、周记、季度复盘）统一记在 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-Current-Status-and-Next-Steps|05-Progress]]；本目录只负责入口与勾选。

 原则：这里回答 **Why** 与"我学到哪了"；What 在 `00-Foundations`，How 在 `02-Practical-Roadmap`。
@@ -30,6 +30,14 @@ created: 2026-08-21
 | 第 5 节：失败分类 | `04-failure-review.md` |
 | 第 6 节：修改与回归 | `05-change-and-regression.md` |

+### 当前活跃项目（内容已迁移，工作表保持空白）
+
+| 项目 | 已迁移小节 | 项目路径 |
+|---|---|---|
+| `01-go-docs-qa` | §0 任务边界、§1 Rubric v0.1、§2 文档快照（case 表待填） | `03-Practice/01-go-docs-qa/` |
+
+> 本文件继续作为空白模板复用；不要在模板里回填已迁移内容。
+
 > 也就是说：工作表 = 第一次闭环的线性填空；项目目录 = 长期项目的分文件结构。填完工作表后把内容迁移进项目目录，就进入长期迭代（对应学习看板 Level 2 → Level 3）。

 ## 0. 先确定范围：你到底在评什么
@@ -197,3 +205,6 @@ created: 2026-08-21
 ---

 返回 [[01_Projects/Personal-Tech/LLM_Evaluation/README|学习专区首页]]。
+
+
+[You have received this identical output 3 times. Re-reading '/Users/windy/Documents/vault/my-vault/01_Projects/Personal-Tech/LLM_Evaluation/02-Practical-Roadmap/02-First-Week-Worksheet.md:raw' will not change it — use a narrower selector (path:A-B), or proceed with the edit.]
@@ -17,6 +17,13 @@ created: 2026-08-24

 > 回答中的关键事实均可由给定文档片段支持；资料不足时明确说明

+## 示例问题（Level 1 出口）
+
+| 类型 | 示例问题 | 依据 |
+|---|---|---|
+| 能回答 | 发布前如何用本地目录测试未发布模块？ | 片段："try it while it is in a directory local to your calling code" |
+| 不能回答 | 发 alpha 前是否必须先 `go test`？ | 片段未提及测试要求；应拒答或说明资料不足 |
+
 ## 三类失败

 1. 无依据事实：回答包含上下文未支持的关键事实
@@ -51,8 +58,12 @@ created: 2026-08-24
 ## 下一步最小动作

 - [x] 填写 `01-task-and-rubric.md` 的 rubric 三维度（对应 [[02-First-Week-Worksheet]] 第 1 节）
+- [x] 项目骨架 `03`–`05` 已从 `_template/` 复制（待首次 run 时填写）
 - [ ] 对着 `02-case-design.md` 顶部"输入上下文（冻结快照）"填写 10 个 case

 ---

 返回 [[01_Projects/Personal-Tech/LLM_Evaluation/03-Practice/README|项目实践入口]]。
+
+
+[You have received this identical output 5 times. Re-reading '/Users/windy/Documents/vault/my-vault/01_Projects/Personal-Tech/LLM_Evaluation/03-Practice/01-go-docs-qa/00-project-overview.md:raw' will not change it — use a narrower selector (path:A-B), or proceed with the edit.]
@@ -0,0 +1,60 @@
+---
+type: project
+status: active
+---
+
+# 03 · 运行与盲评
+
+> 为什么盲评、最小记录格式见 [[02-Why-Guide]] 第 4 步；run 的 JSONL schema 见 [[01-LLM-Evaluation-Roadmap]] 第五节。
+
+## 候选生成条件（对应工作表第 3 节）
+
+| 项目 | A | B |
+|---|---|---|
+| 模型 / 来源 |  |  |
+| 系统提示词版本 |  |  |
+| 温度 / 生成设置 |  |  |
+| 运行日期 |  |  |
+| dataset_version |  |  |
+
+> 重要：先把来源隐藏、随机标 A/B；完成全部判断前不要看真实来源。
+
+## 盲评记录（对应工作表第 4 节）
+
+> 判"有据性"与"资料不足"时，对照 `02-case-design.md` 顶部"输入上下文（冻结快照）"。
+
+| Case | A：有据性 | A：资料不足 | A：完成度 | B：有据性 | B：资料不足 | B：完成度 | 更优/平局 | 一句话理由 | 置信度 |
+|---|---|---|---|---|---|---|---|---|---|
+| 01 |  |  |  |  |  |  |  |  |  | high/low |
+| 02 |  |  |  |  |  |  |  |  |  | high/low |
+| 03 |  |  |  |  |  |  |  |  |  | high/low |
+| 04 |  |  |  |  |  |  |  |  |  | high/low |
+| 05 |  |  |  |  |  |  |  |  |  | high/low |
+| 06 |  |  |  |  |  |  |  |  |  | high/low |
+| 07 |  |  |  |  |  |  |  |  |  | high/low |
+| 08 |  |  |  |  |  |  |  |  |  | high/low |
+| 09 |  |  |  |  |  |  |  |  |  | high/low |
+| 10 |  |  |  |  |  |  |  |  |  | high/low |
+
+### 低置信度归因（`low` 不是坏事，是最有价值的发现）
+
+| Case | 为什么难判 | 下一步动作 |
+|---|---|---|
+|  | rubric 模糊 / 文档不完整 / 问题有歧义 / 自己标错 | 改规则 / 补证据 / 移出自动评分 / 请人复核 |
+
+## Run 记录（可选，脚本自动生成）
+
+> 每次运行保存：case_id / system_version / model / temperature / trial / timestamp / output / grading。大输入只存 case_id + 版本号，不复制全文。
+
+```json
+{
+  "case_id": "rag-0001",
+  "run": { "system_version": "", "model": "", "temperature": 0, "trial": 1, "timestamp": "" },
+  "output": "",
+  "grading": { "groundedness": "", "completeness": 0, "grader_version": "human-v0.1" }
+}
+```
+
+---
+
+返回 [[01_Projects/Personal-Tech/LLM_Evaluation/03-Practice/README|项目实践入口]]。
@@ -0,0 +1,38 @@
+---
+type: project
+status: active
+---
+
+# 04 · 失败复盘
+
+> 失败分类的权威定义见 [[02-Why-Guide]] 第 7 步（简化五类）与 [[01-LLM-Evaluation-Roadmap]] 第八节（系统级扩展分类）；严重度 S0-S4 见路线图第十节。
+
+## 失败分类（对应工作表第 5 节）
+
+| Case | 失败类型 | 证据 | 我准备先检查什么 |
+|---|---|---|---|
+|  | 无依据事实 / 漏限制 / 不当确定 / 格式 / 规则不确定 |  | prompt / 文档 / rubric / grader |
+
+> 第一版只用 4-5 个类型即可。分类的目的不是"全面"，而是找到下一次唯一值得改的地方。
+
+## 根因三步定位（RAG 示例）
+
+1. run 里的实际 context 是否包含 expected 中的 gold context？没有 → **检索错误**
+2. 把 gold context 直接给模型重跑：答对 → 检索/拼装问题；仍错 → **模型推理 / 生成错误**
+3. 并排人工复核输出 / expected / grader：人工认为可接受但 grader 判失败 → **grader 错误**（记录 grader 版本与提示词）
+
+> 不要凭直觉归因，一次失败先走完三步，通常不超过 10 分钟。
+
+## 严重度标注
+
+| Case | 严重度（S0-S4） | 理由 | 发布策略 |
+|---|---|---|---|
+|  |  |  | 见路线图第十节 |
+
+## 一句话复盘（每批至少一条）
+
+- 本周最常见的失败类型是：…… 下一步唯一值得改的地方是：……
+
+---
+
+返回 [[01_Projects/Personal-Tech/LLM_Evaluation/03-Practice/README|项目实践入口]]。
@@ -0,0 +1,32 @@
+---
+type: project
+status: active
+---
+
+# 05 · 变更与回归
+
+> 实验日志规则（专区规则三）与回归原则见 [[02-Why-Guide]] 第 8 步：一次改一个可解释因素，重跑旧 case（不只跑失败 case）。
+
+## 变更记录（对应工作表第 6 节）
+
+| 你修改了什么 | 为什么改它 | 预期改善哪些 case | 必须不变差的 case | 修改后结果 |
+|---|---|---|---|---|
+|  |  |  |  |  |
+
+## 实验日志
+
+> 每次改变 case / rubric / prompt / 模型 / 文档版本，记一条：改了什么、为什么改、预期影响、实际结果。
+
+| 日期 | 改动 | 原因 | 预期影响 | 实际结果 |
+|---|---|---|---|---|
+|  |  |  |  |  |
+
+## 回归检查
+
+- [ ] 重跑原失败 case，确认修复生效
+- [ ] 重跑一小组原本通过的 case，确认没有"修 A 坏 B"
+- [ ] 确认的失败已固化进 regression（对应 case 状态 → regression）
+
+---
+
+返回 [[01_Projects/Personal-Tech/LLM_Evaluation/03-Practice/README|项目实践入口]]。
@@ -0,0 +1,51 @@
+---
+type: progress
+tags:
+  - llm-evaluation
+  - progress
+status: active
+created: 2026-08-21
+---
+
+# 当前位置与下一步
+
+> **使用方式：** 每次学习结束时花 5 分钟更新本文件。它是你打开专区后第一个应该看的地方——比任何目录都更能告诉你"我在哪、下一步做什么"。
+
+## 我现在的阶段
+
+- [x] **阶段 1：有界理论**（读 00-Foundations 核心三篇（01–03）+ 01-Start-Here + 02-Why-Guide，约 3-4 小时）（2026-08-24）
+- [x] **阶段 2：出口检查**：学习看板 Level 1 全部勾选 + 首周工作表第 0 节填完（2026-08-26）
+- [ ] **阶段 3：实践**（工作表 1-6 节 → 复制 `03-Practice/_template/` 建立第一个项目）
+- [ ] **阶段 4：按需回补**（04-Reference 按各自"前置阶段"插入项目推进过程）
+
+**当前状态：** 阶段 3（实践）· 进行中 · `01-go-docs-qa` 任务与 rubric 已完成，10 个 case 待填写 · 更新于 2026-08-28
+
+## 正在做什么
+
+- 项目：[[03-Practice/01-go-docs-qa/00-project-overview|01-go-docs-qa]]
+- 已完成：任务边界、`01-task-and-rubric.md` rubric v0.1、`02-case-design.md` 文档冻结快照
+- 进行中：填写 `02-case-design.md` 的 10 个 case（表头已就绪，内容为空）
+
+## 卡点（写下来，下次从这里继续）
+
+- 无理论卡点；实践阻塞项是 case 列表尚未填写（刻意保留，待手动完成）
+
+## 下一步最小动作
+
+- [ ] 在 `03-Practice/01-go-docs-qa/02-case-design.md` 填写 case 01–10（问题 + 预期行为）
+- [ ] 勾选 [[01-Learning-Board]] Level 2 第一项（case 写完后）
+
+## 相关链接
+
+- 学习主线：[[01_Projects/Personal-Tech/LLM_Evaluation/README|专区首页]]
+- 进度勾选：[[01-Learning-Board|学习看板]]
+- 填写入口：[[02-First-Week-Worksheet|首周工作表]]
+- 学习周记：[[01-Weekly-Learning-Journal]]
+- 季度复盘：[[02-Quarterly-Method-Review]]
+
+---
+
+返回 [[01_Projects/Personal-Tech/LLM_Evaluation/README|学习专区首页]]。
+
+
+[You have received this identical output 3 times. Re-reading '/Users/windy/Documents/vault/my-vault/01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-当前位置与下一步.md:raw' will not change it — use a narrower selector (path:A-B), or proceed with the edit.]
@@ -1,46 +0,0 @@
---
-type: progress
-tags:
-  - llm-evaluation
-  - progress
-status: active
-created: 2026-08-21
---
-
-# 当前位置与下一步
-
-> **使用方式：** 每次学习结束时花 5 分钟更新本文件。它是你打开专区后第一个应该看的地方——比任何目录都更能告诉你"我在哪、下一步做什么"。
-
-## 我现在的阶段
-
- [ ] **阶段 1：有界理论**（读 00-Foundations 三篇 + 01-Start-Here + 02-Why-Guide，约 3-4 小时）
- [ ] **阶段 2：出口检查**：学习看板 Level 1 全部勾选 + 首周工作表第 0 节填完
- [ ] **阶段 3：实践**（工作表 1-6 节 → 复制 `03-Practice/_template/` 建立第一个项目）
- [ ] **阶段 4：按需回补**（04-Reference 按各自"前置阶段"插入项目推进过程）
-
-**当前状态：** 阶段 1（有界理论）· 未开始 · 更新于 2026-08-21
-
-## 正在做什么
-
- （示例：读 [[01-What-Is-LLM-Evaluation]]，已完成 → 写一条"能回答/不能回答"的问题填入工作表第 0 节）
-
-## 卡点（写下来，下次从这里继续）
-
- 无 / 或：xxx 概念没看懂，卡在……
-
-## 下一步最小动作
-
- [ ] 读 [[01-What-Is-LLM-Evaluation|什么是 LLM Evaluation]]
- [ ] 完成 [[00-Start-Here|开始这里]] 的十分钟动作
-
-## 相关链接
-
- 学习主线：[[01_Projects/Personal-Tech/LLM_Evaluation/README|专区首页]]
- 进度勾选：[[01-Learning-Board|学习看板]]
- 填写入口：[[02-First-Week-Worksheet|首周工作表]]
- 学习周记：[[01-学习周记]]
- 季度复盘：[[02-方法季度复盘]]
-
---
-
-返回 [[01_Projects/Personal-Tech/LLM_Evaluation/README|学习专区首页]]。
@@ -12,6 +12,23 @@ created: 2026-08-21

 > **使用方式：** 每周一次（或每次学习后），复制下方模板，把日期改为当周，插到文件**最顶部**（最新在上）。周记是你"学习过程"的存档处：学习看板只负责勾选，周记负责记录发生了什么。

+## 2026-08-28 ｜ 进度同步
+
+### 本周目标
+- 对齐进度文档与 `01-go-docs-qa` 实际进展；不提前完成 case / run。
+
+### 本周理论理解
+- 有界理论阶段已完成；`04-Concepts-and-Theory` 定位为按需深读，非首周必读。
+
+### 本周实践
+- 项目 `01-go-docs-qa`：任务边界 + rubric v0.1 + 文档冻结快照已完成。
+- 待做：10 个 case（`02-case-design.md`）。
+
+### 下周最小动作
+- 填写 case 01–10。
+
+---
+
 ## 模板（复制这一块，改日期后插到最上方）

 ```markdown
@@ -27,8 +27,11 @@ created: 2026-08-21
 | 3 | [[02-Why-Guide\|从零开始做 LLM 评测：每一步背后的道理]] | 为什么先做 case、rubric、盲评、run、失败分类与回归？ | 能解释每个动作在防什么问题。 |
 | 4 | [[02-Annotation-Human-Data-and-Evaluation\|数据标注、Human Data 与 Evaluation]] | 标注、人类数据与评测的区别是什么？ | 能区分 Annotation / Human Data / Evaluation 三种用途。 |
 | 5 | [[03-Core-Concept-Map\|LLM Evaluation 核心概念地图]] | 术语速查地图在哪？ | 阅读与实践时能快速定位术语（速查用，不要求背诵）。 |
+| 6 | [[04-Concepts-and-Theory\|LLM 评测基础概念与理论]]（**可选深读**） | 需要构念→测量→决策框架时查阅 | 知道存在即可；不在首周必读范围内 |

 > ⛔ **停止线：理论到此为止。** 不要继续读 `04-Reference`、guidebook 或归档——它们是"按需查阅的工具书"，不是"要读完的教材"。
+>
+> `04-Concepts-and-Theory` 是 01–03 的教学整合深读版（约 2500 行），**不属于 3–4 小时有界理论**；卡住某个概念时再读对应章节，不要通读。

 ### 阶段 2 · 出口检查（判断"理论够了"，而不是读完多少页）

@@ -55,7 +58,7 @@ created: 2026-08-21

 > **数量口径：** 首周最低完成 10 个 case（结构见《首周工作表》第 2 节）；若时间充裕，按路线图 Day 1 扩展至 20 个（配比见《实战路线图》Day 1 小节）。

-> **进度记录：** 学习过程（当前位置、周记、季度复盘）统一记在 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-当前位置与下一步\|05-Progress]]；学习看板只负责勾选。
+> **进度记录：** 学习过程（当前位置、周记、季度复盘）统一记在 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-Current-Status-and-Next-Steps\|05-Progress]]；学习看板只负责勾选。

 ## 目录结构为何这样设计

@@ -86,7 +89,7 @@ created: 2026-08-21

 ## 你的当前入口

-打开 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-当前位置与下一步|当前位置]]，确认自己处在哪个阶段；从 [[00-Start-Here|开始这里]] 完成十分钟动作；完成后填写 [[02-First-Week-Worksheet|首周工作表]]。想追踪进度时，对照 [[01-Learning-Board|学习看板]] 勾选闭环条目（勾选时补日期）。
+打开 [[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-Current-Status-and-Next-Steps|当前位置]]，确认自己处在哪个阶段；从 [[00-Start-Here|开始这里]] 完成十分钟动作；完成后填写 [[02-First-Week-Worksheet|首周工作表]]。想追踪进度时，对照 [[01-Learning-Board|学习看板]] 勾选闭环条目（勾选时补日期）。

 ## 关联材料

@@ -95,4 +98,7 @@ created: 2026-08-21
 - 外部权威知识参考：[[01_Projects/Personal-Tech/LLM_Evaluation/04-Reference/evaluation-guidebook/00-Overview|HuggingFace Evaluation Guidebook 中文提炼]]（自动基准 / 人工评测 / LLM-as-judge / 排错，按主题查阅）
 - 外部精选资源（已归档）：[[01_Projects/Personal-Tech/LLM_Evaluation/04-Reference/archive/01-Curated-External-Resources|精选外部评测资源]]（顶级大厂与开源组织的生产级方案、评测基建与硬核课程源码）
 - 归档总索引：[[01_Projects/Personal-Tech/LLM_Evaluation/04-Reference/archive/00-Material-List|材料清单与归档说明]]（早期草案与外部参考的定位总览）
- 学习进度与自评：[[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-当前位置与下一步|05-Progress]]（当前位置 / 学习周记 / 季度复盘 / 作品集清单）
+- 学习进度与自评：[[01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/00-Current-Status-and-Next-Steps|05-Progress]]（当前位置 / 学习周记 / 季度复盘 / 作品集清单）
+
+
+[You have received this identical output 3 times. Re-reading '/Users/windy/Documents/vault/my-vault/01_Projects/Personal-Tech/LLM_Evaluation/README.md:raw' will not change it — use a narrower selector (path:A-B), or proceed with the edit.]