没个题都是 3 个模型测评，当然也可以选择一个

90% 都是对的，我用 gpt 和 Gemini 双模型测评

我是 3 个模型同时测评，如果 2 个都一样就默认模型评测结果是可靠的，如果不一样就需要人工审核

我同事中了 5 个 +

其实设计这个目的就是测评我们系统 temperature 的设置对模型返回内容的影响，有的时候会出现矛盾的回答，还有一些小模型的分流是否正常

我的很多测试系统还是纯 ai 写的呢，ai 时代想法和动手能力很重要，不要对 ai 输出的东西就认为是垃圾

是这样的，我们是大学，所以人多，研究生 博士多的很

你说的是幻觉，其实难的实时搜索的准确性

有固定答案的基本上裁判模型就搞定了，专业的问题 我们会找对应方面的人去做审核，比如粤语口语需要本地 local 才可以，法律就找法律的学生

一部分开源系统，一部分根据开发优化方向自己编写 + 部分 ai 生成，第三部分就是生成环境用户访问的记录，主要是香港都是粤语，对粤语的方言不是很了解，所以生成环境来的居多，同时学校有大量的香港 local 帮忙编写和核实

大模型不做系统测评，没办法测试了

目前人还不多，我也是刚入门一年左右

这些感知识别，基本上都是政府采购，不是那个公司可以随便安装的，这样就会有安全问题了，谁都可以监控到所有的路过的车辆信息了，这些信息是非常值钱的，而且这些数据监管比较严格的。
你说的接收数据，目前已经有了这样的统一协议 V2X 可以了解一下
车路协同是单车无人驾驶的补充，还是单车无人驾驶为主目前是这样的情况

现在已经这样做了，无人驾驶亦庄示范区还有很多高速都按照， 就像手机基站，只要量大 有使用场景肯定能收回成本，而且说不定盈利，这个在车路协同中叫 RCU 雷摄一体机，而且是 100ms 实时上报数据，我们计算完成实时下方，这就需要边缘计算 +v2x 这些 ，不过目前网络仍是主要瓶颈

其实性能测试的难点不是脚本开发上，而是在于测试场景的设计上，如何更加真实的模拟线上的情况，问题定位和调优一直是性能测试最大的挑战，这块才是能够体现一个性能测试工程师能力的核心。而不是在工具的选择上和脚本的开发上

lr 虽然笨重，但是能通过 c 语言实现很多复制的业务逻辑，有时需要模拟一些加解密的算法都可以很快写一套出来，关于 lr 的 Linux 版本，在之前的公司都是压力机用 Linux，办公机只是做数据收集和展示，对办公网压力基本上没影响。jmeter 也有很多优点，开源可以做持续集成，但是有时候要做复杂的业务逻辑和断言就有点麻烦，可能个人能力有限，关于对 jmeter 做二次开发的能力不够，所有在脚本开发上感觉 lr 还是很强大的，但是就是收费的

如何对 https 返回结果内容的正确性做检查呢/？

继续招聘了，又有新的职位了

继续求简历中，又来一批

继续求简历啊