LLM 评估的完整指南

本文介绍了如何系统评估 LLM 应用，包括选择评分器、设计可靠的 LLM 评判模型以及在发布周期中评估 RAG 系统和智能体。重点讲解了基于代码、参考答案和 LLM 评判的评分方法，以及如何通过 QAG 和 G-Eval 等工具进行评分。摘要里每个具体数字、产品功能名、版本号都必须在原文里找得到对应。