evaluation-harness

构建可重复的评估系统，包括黄金数据集、评分标准、通过/失败阈值和回归报告。适用于“LLM 评估”、“AI 系统测试”、“质量保证”或“模型基准测试”。

模型生成摘要（rules/v1 · 2026-11-14 13:03）：构建可重复的评估系统，包括黄金数据集、评分标准、通过/失败阈值和回归报告
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-14 13:01	97adbdb6	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。