实体 FINDINGS.md

FINDINGS.md

PulseAugur coverage of FINDINGS.md — every cluster mentioning FINDINGS.md across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

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 1 条

TOOL · CL_200540 · Aug 14 · 10:54

新工具evalmut测试LLM评估套件是否存在隐藏缺陷

一个名为evalmut的新开源工具已被发布，以解决LLM评估套件可能无法检测到回归问题。该工具通过向被测系统注入已知缺陷，然后运行评估套件来识别哪些检查仍然通过（绿色），从而指示测试过程中存在“漏洞”。Evalmut包含18个源自真实世界缺陷的、经过来源门控的变异算子，并且不依赖LLM裁判即可确定性运行，旨在为评估套件提供可靠的信心。