我司在探索一种评测方式：让模型针对结果尚未公布的真实事件，结合当时可获得的信息进行分析并给出概率预测；等结果公布后，再验证预测表现和概率校准情况。
客户可以据此识别模型判断中的偏差，比较不同模型或版本的表现，为模型选型、后训练优化和 Agent 能力改进提供真实世界的评测依据。
不懂就问，这种需求对后训练或 agent 团队真实存在吗？🙏🏻
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.