实体
Eval-driven development
Eval-driven development
PulseAugur coverage of Eval-driven development — every cluster mentioning Eval-driven development across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Ollama 添加 Recursive 的 Flint 模型；.NET 智能体开发使用追踪记录重放
新版 Ollama v0.40.8 已发布，增加了对 Flint 模型（Recursive 开发的拥有 400 亿参数的混合专家编码模型，具有 262K 标记上下文窗口）的支持。此次更新还包括对 macOS 上 Flint 的初步支持，未来版本计划提供更广泛的 GPU 支持。此外，一项独立开发工作通过 .NET 实现的评估驱动开发，利用追踪记录重放来测试智能体行为而不重复调用模型，从而改进了 AI 智能体的评估。
-
评估驱动开发优先考虑可衡量的胜利，而非主观的提示词调整
评估驱动开发被提出作为一种改进 AI 模型优于提示工程的方法。核心原则是首先建立一个失败的评估指标，然后通过迭代优化提示词来满足该指标。这种方法确保改进是可衡量的，并防止在依赖主观评估时可能发生的质量无声回归。