my-vault/01_Projects/Personal-Tech/LLM_Evaluation/04-参考与归档/02-入门认知框架（草案）.md

type, tags, status, created

type	tags	status	created
draft	LLM评测 草案 归档	archive	2026-08-21

零基础入门：必须先弄懂的核心问题

目标重定义

初学者的第一目标不是“让模型变聪明”，而是能够回答：

1. 我希望系统完成什么任务？
2. 什么输出算成功，什么算失败？
3. 当它失败时，失败属于哪一类？
4. 修改系统后，我如何证明它真的变好了且没有伤害原有能力？

起步动作与隐藏原因

起步动作	表面上在做什么	实际上在解决什么认知问题
选一个小任务	缩小项目范围	避免把“模型能力”误当成不可验证的抽象概念。
写 10—20 个 case	准备样本	外化你对真实使用场景和边界的理解。
写 rubric	写评分标准	将个人直觉转化为他人可复现的操作定义。
手工盲评	比较答案	发现你的规则是否足够清晰，以及自己是否有模型偏好。
保存 run	存结果	分开“应测什么”与“本次实际发生什么”，使比较可追溯。
写最小脚本	汇总统计	从个别感受转向可重复观察。
分类失败	记错题	让修复有方向，避免所有问题都归咎于模型。
做回归	重跑旧案例	防止修一个问题又悄悄损坏另一个问题。

初学者最常见的误解

• 误解：先挑最强模型或最热框架才算开始。
• 误解：数据越多，评测越可靠。
• 误解：有参考答案就不需要 rubric。
• 误解：平均分提高就代表系统变好。
• 误解：模型输出错了，一定是模型的问题。
• 误解：把所有专业工程概念一次学会，才能动手。

解释风格

每个概念均应按“它是什么 → 为什么初学者先做它 → 不做会发生什么 → 最小行动 → 完成后学到什么”展开；用 RAG 文档问答作为默认示例，并在结尾映射到 Agent 工具调用。