PulseAugur
中
实时 10:00:27
实体 prompt eval harness

prompt eval harness

PulseAugur coverage of prompt eval harness — every cluster mentioning prompt eval harness 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_306587 ·

    使用冻结案例切片审计提示评估评分器以获得可靠评分

    提示评估工具链的评分器模型需要进行审计，以确保其评分值得信赖。团队应维护一个独立的冻结裁决案例集，与评分器的训练数据分开，以定期衡量其性能。应报告关键指标，如具有威尔逊区间和 Cohen's kappa 的失败类别召回率，并按案例家族进行分层，以识别回归并防止单一强势家族掩盖其他家族的失败。