55 lines
1.8 KiB
Markdown
55 lines
1.8 KiB
Markdown
---
|
|
type: checklist
|
|
tags:
|
|
- LLM评测
|
|
- 学习看板
|
|
status: active
|
|
created: 2026-08-21
|
|
---
|
|
|
|
# 学习看板
|
|
|
|
> 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。
|
|
|
|
## Level 1：建立判断能力
|
|
|
|
- [ ] 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 [[01-为什么这样学/01-从零开始做 LLM 评测 - 每一步背后的道理]]。
|
|
- [ ] 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。
|
|
|
|
## Level 2：完成第一个最小闭环
|
|
|
|
- [ ] 我已在 [[02-执行路线与工作表/01-首周工作表]] 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。
|
|
- [ ] 我已修改一个可解释因素，并重跑旧 case。
|
|
|
|
## Level 3：项目化与证据链
|
|
|
|
- [ ] 我已在 `03-项目实践/` 下创建自己的项目目录。
|
|
- [ ] 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。
|
|
- [ ] 我已开始阅读 [[02-执行路线与工作表/02-LLM 评测工程实战路线图]] 中对应部分。
|
|
|
|
## 每周复盘（复制到项目周记）
|
|
|
|
```markdown
|
|
## 本周目标
|
|
|
|
## 我新定义了什么成功 / 失败条件？
|
|
|
|
## 我新增或修订了哪些 case？为什么？
|
|
|
|
## 本周主要失败类型是什么？
|
|
|
|
## 我改变了什么？预期是什么？实际发生了什么？
|
|
|
|
## 下周只保留的一个最小动作
|
|
```
|
|
|
|
返回 [[01_Projects/Personal-Tech/LLM_Evaluation/README|学习专区首页]]。
|