exploring-llm-evaluations

调查 AI 可观测性评估 —— `hog`（基于确定性代码）、`llm_judge`（基于 LLM 提示）和 `sentiment`（用户消息情感分析）。查找现有评估，检查其配置，针对特定生成结果运行评估，查询单个结果，并为布尔型通过/失败运行生成 AI 驱动的摘要。当用户要求调试评估失败原因、揭示常见失败模式、跨过滤器比较结果、对 Hog 评估器进行干运行、原型化新的 LLM 判断提示、检查情感分类或管理评估生命周期时使用。

模型生成摘要（rules/v1 · 2026-11-15 08:14）：调查 AI 可观测性评估 —— `hog`（基于确定性代码）、`llm_judge`（基于 LLM 提示）和 `sentiment`（用户消息情感分析）
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	2026-11-15 08:12	d54b66c9	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）。

下载存档内容副本

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。