标签：提示词迭代

成对盲评怎么做？比较两个模型或两版提示词的实用方法

给单个回答打 1–10 分很难稳定，比较“A 和 B 哪个更好”往往更容易判断。本文介绍成对盲评的做法：准备测试集、隐藏来源、随机左右顺序、制定判定标准、处理平局，以及用 AI 做评审时如何减少偏差。