windyboy
b182762e14
- Backfill `created` frontmatter on 266 active notes (git date or mtime) - Normalize `status` to 4 values: draft/active/done/archived (11 notes) - Active/进行中/needs-review → active - archive → archived - 待执行/conditional → draft - 完成/accepted → done - Declare clipper boundary: 04_Archive/Inbox-Clippings/** exempt from migration - Update depth rule: max 3 → max 4 levels (new notes only) - Add metadata-converge.mjs script for reproducibility
1.5 KiB
1.5 KiB
created, type, status
| created | type | status |
|---|---|---|
| 2026-08-24 | project | 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）
- run 里的实际 context 是否包含 expected 中的 gold context？没有 → 检索错误
- 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
- 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。