一、传统LLM评估的局限性：从单一Prompt到系统化工程 早期大语言模型（LLM）的评估方式高度依赖”Prompt-Response”对，例如通过询问”西红柿炒鸡蛋怎么做”并验证回答是否包含关键步骤（如”先炒蛋后炒西红柿”）。这种……
