最新の報道、解説、関連するテクノロジーストーリーを確認できます。
ElasticのSusan Changが、AIエージェントの評価を個別に行っていたチームが、プログラムによる評価、LLM-as-a-judge、詳細なトレーシングを組み合わせた統一フレームワークへ移行した経緯を解説する。自動化によってドメイン専門家が不要になるわけではなく、特にテストデータの構築や指標の較正では専門家が必要であることを示している。