- درجة من 0 إلى 1، مع إمكانية تحديدها كناجحة أو فاشلة
- مقياس، مثل عدد، أو مدة، أو تكلفة، مع وحدتها
- تأكيد، إما أنه نجح أو لم ينجح
نوعان من المقيّمين
Python المستضاف متعمد الصغر: تعبير واحد، بدون استيرادات، بدون شبكة. أي شيء يتطلب نموذج — مثل حكم LLM يسجل ما إذا كانت الإجابة ذات صلة — يعمل في العامل الخاص بك بدلاً من ذلك. لا يحتاج أي من النوعين إلى اتصال واردة: يطالب العمال بالجلسات المنتهية ويقدمون النتائج عبر HTTPS الصادرة.
كل منظمة تقيّم وكلاءها الخاصة
التقييمات تنتمي إلى المنظمة التي تحددها. تكتب كل منظمة في النسخة الخاصة بها — فحوصاتها الخاصة، وشروطها، وحدودها، وتسمياتها — وتصدر نسخًا وتنشرها دون التأثير على أي نسخة أخرى، وترى النتائج الخاصة بها فقط. صفّ تلك النتائج حسب الوكيل والبيئة والتقييم والوقت، أو اسأل المساعد عنها.من المسودة الأولى إلى الدرجات المباشرة
1
اكتبها
اشرح ما يجب قياسه واترك للمساعد صياغة مسودة، أو اكتبها بنفسك. انظر كتابة التقييم.
2
اختبرها
قم بتشغيلها على جلسات حقيقية قبل إطلاقها مباشرة؛ لا يتم حفظ أي شيء. انظر اختبار التقييم.
3
نشرها ورقم نسختها
انشر نسخة ثابتة، ونشر نسخًا جديدة مع تطورها، والعودة إلى نسخة سابقة. انظر النشر والإصدار.
4
اقرأ النتائج
مثّل الدرجات بيانيًا على مدار الوقت، وقارن بين الوكلاء والبيئات، واسأل المساعد. انظر قراءة نتائج التقييم.