一、如何设计一个大模型智能客服的端到端评测体系？——离线 + 线上 + 用户采纳闭环面试官期望：考察候选人对评测体系完整性的理解，能否从离线指标、线上指标到用户反馈形成闭环。1. 离线评测（开发阶段）维度指标说明语义理解意图识别准确率、实体抽取 F1基于标注测试集评估 NLU 能力生成质量BLEU、ROUGE-L、BERTScore与标准答案的文本相似度安全性有害内容命中率、拒答率对抗样本测试知识准确性事实一致性（Factual Consistency）使用 NLI 模型或人工抽检2. 线上评测（灰度/全量）指标定义目标解决率（Resolution Rate）用户未再发起同类问题的比例/