该话题下聚合了社区中所有标记为「跑批日志里问句和答案对不上号」的公开帖子。
求大佬指点,今天又卡在一个特别蠢但特别要命的问题上。 我们上周跑了一批 GEO 问句测试,大概 1200 条问句,分三个时段跑:早 9 点、下午 2 点、晚上 8 点。跑完把 AI 答案拉下来做标注,结果发现同一批问句在「早 9 点」和「晚上 8 点」两个批次里,答案对不上的比例高达 37%。我一开