Stack Overflow Blog· Varun Jindal·· 3 天前AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
如何把评测做成部署门禁并检测基线漂移
Part 2: Evals as a deployment gate — and how to know when they drift
AI 导读
Stack Overflow 博客的 LLM 生产系列 Level 2 讲解如何把评测当作 CI 门禁：用版本化 golden set 编写显式打分器，一条 CI 命令在通过率低于阈值时让构建失败，并按 slice 自动路由用例、逐 slice 设门槛。
来源：Stack Overflow Blog · stackoverflow.blog