在优化prompt后，如果原先未能识别出问题的案例被检测出来，如何科学地判定新prompt是否确实优于旧prompt？

Question

Accepted Answer

考察点：考察评估方法学与避免偏差的能力。回答思路：提出使用固定测试集进行对比 强调指标如召回率的改善与误报率控制 讨论多轮验证与统计显著性 避免仅凭单案例得出结论

考察说明