项目概览
eval-harness-architect 从评测要支持的决策开始,建立带隔离保留集的数据集、按质量维度选择评分器,并校准 LLM 评审。它会用多次试验计算显著性,接入 CI 回归门禁和 PR 分数卡,再把生产漂移与失败反馈回数据集;没有标签或数字时不会臆造。
仓库事实
- 主要语言
- Python
- 许可证
- MIT
- 仓库更新时间
- 2026年6月23日
- 默认分支
- main
资源类型
通用技能
使用场景
测试与调试
运行平台
Claude Code、Codex 等
核心能力
可观测性验证与评测