4 篇文档带有标签「评测」

Coze Loop 评测的用户入口、领域对象、实验运行过程、得分落库和扩展点。事实链到固定提交。

Langfuse 当前检出里的得分、评估器、评测集、实验和人工标注。只写源码中存在的路径。

对比 Coze Loop 与 Langfuse 的评测设计。覆盖评测集、评估器、实验、得分的对象关系、运行过程，以及得分写到哪里。

对比 Coze Loop 与 Langfuse 在评测集、评估器、实验和得分上的设计选择，以及每种选择的代价。