质量

测试 LLM 应用：当输出非确定性时

用确定性代码库的测试范式去测 LLM 应用，结果是周末挂、周一过的 flaky 测试。同样的输入，模型输出在多次调用之间并不稳定；即便温度为零，模型本身也会更新带来漂移。快照测试一直在响，没人再读；精 ...