Etiket3 yazı
evaluation etiketli tüm yazılar.
Demo iade ajanım 200 döndü, SUCCESS dedi ve iki kez iade yaptı. Bunu nasıl yakaladığım: her çağrıyı kendisi kaydeden araç ikizleri ve yanıtla durumu birbirinden ayıran hatalar.
Kilitli test setim iki kez koştu: tek bir alan 1.151 soruyu manşet skorundan saklamıştı. Veriyi düzelttim, modelin yerinden kıpırdamadığını kanıtladım ve iki koşuyu da yayımladım.
RealPath'in sızıntı iddiası bir pytest: anchor'dan sonraki her şeyi sil, yeniden üret, karşılaştır. Cutoff'u bilerek bozduğumda neyi yakaladığı ve hâlâ gözünden kaçan iki sızıntı.