关注最新报道、解读和相关科技故事。
Elastic 的 Susan Chang 介绍了团队如何从零散的人工智能代理评估，转向结合程序化评估、LLM-as-a-judge 和深度追踪的统一框架。实践表明，自动化并不能取代领域专家，尤其是在构建测试数据和校准指标时。