PulseAugur
中
实时 19:14:37
实体 graded-score drift

graded-score drift

PulseAugur coverage of graded-score drift — every cluster mentioning graded-score drift across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_326120 ·

    Claude Code 评估指标详细介绍 AI Agent 的一致性

    本文详细介绍了评估 AI Agent 的三个关键指标，特别关注 Claude Code。这些指标包括 pass@k，用于检查 Agent 在设定尝试次数内能否解决任务；pass^k，衡量多次运行的成功率以确保一致性；以及 graded-score drift，用于监控在输入不变的情况下质量分数随时间下降的情况。作者建议根据用户需求采用不同的指标实现方法，从初学者的简单 bash 循环到更复杂的 Promptfoo 等框架，适用于复杂用例。