#评测设计

共 2 条 · 7 天 1 条 · 30 天 1 条

Anthropic 1 Claude 1 Claude Code 1 Noam Brown 1 OpenAI 1 基准测试 1 提示词工程 1

信息流里打上「评测设计」标签的资讯、产品与论文，按刊登时间排，新的在上。

11月7日

模型中美对照多源确认01:00

Noam Brown 赞赏一份基准测试方法，并邀请 Dwarkesh 参与 OpenAI 评测设计

OpenAI 的 Noam Brown 公开夸一份基准的方法论，还顺手挖 Dwarkesh Patel 去做评测设计，想看哪种评测能入他的眼可以点进链接。

#OpenAI #Noam Brown #基准测试 #评测设计

官方账号Noam Brown (OpenAI 推理)@polynoamial原文

9月29日

技巧 Agent 与开发者多源确认精选14:40

Claude Code 新增 /build-eval 和 /hillclimb 命令，评测设计流程开源

Anthropic 把评测设计和爬山优化直接做成 Claude Code 命令了，还开源了 Skills，两条防过拟合纪律和客服降本 80% 的案例都挺实在。

#Claude Code #Claude #Anthropic #评测设计

shao__meng@shao__meng原文