一种用于分类攻击战术的框架,曾用于攻击检测代理测试。
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。