Phase 13：评估与测试

确定性测试、LLM-as-Judge、黄金数据集

关键要点

• 三种评估对应三种场景：确定性 / 质量评估 / 回归防护
• LLM-as-Judge：用 LLM 评判 LLM，适合无固定标准的场景
• 黄金数据集并行跑（Promise.all），大幅提速

学习目标

• 理解非确定性输出为什么难测试
• 区分确定性测试、LLM-as-Judge、黄金数据集
• 能设计一条回归测试样例

标签：Evaluation · Testing · LLM-as-Judge · 回归测试

预计学习时间：38 分钟 | 难度：高级