Tag3 Beiträge
Alle Beiträge mit dem Tag evaluation.
Mein Demo-Agent lieferte 200, meldete SUCCESS und erstattete doppelt. So fange ich das ab: Tool-Zwillinge, die jeden Aufruf festhalten, und Fehler, die Antwort und Zustand trennen.
Mein gesperrtes Testset lief zweimal: Ein Feld hielt 1.151 Fragen aus der Hauptkennzahl heraus. Wie ich die Daten reparierte, das Modell als unverändert nachwies und beide Läufe veröffentlichte.
RealPaths Leakage-Versprechen ist ein pytest: alles nach dem Anker löschen, neu bauen, diffen. Was der Test fand, als ich den Cutoff kaputt machte – und zwei Lecks, die er noch übersieht.