目录 / agentry-eval-harness
SKILL
未评级
已上架
agentry-eval-harness
判断对大型语言模型或智能体系统的更改是否真正提升了其输出的能力——构建固定的评估集,定义评分标准,测量基线性能,并设置回归门槛。在调整提示词、模型、工具或智能体时调用此方法(这些组件的质量通常只能通过目测判断)。对于确定性代码,若已有常规测试套件可证明其正确性,则可跳过此步骤。
模型生成摘要(rules/v1 · 2026-11-17 05:54):判断对大型语言模型或智能体系统的更改是否真正提升了其输出的能力——构建固定的评估集,定义评分标准,测量基线性能,并设置回归门槛
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。
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 | 2026-11-17 05:53 | 0b665152 | 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。