公开知识图谱记录
Eval Agent
记录摘要
按54项标准逐项评分；失败项附原因和更正建议。
来自项目知识图谱的有来源实体；具体工具属性仍需补齐。
已记录信息
- 基准测试: 与高级人工审阅者一致率88.6%
- 基准测试: 比次优模型多约25%检出偏离基金授权的建议
- 基准测试: 与人工审阅者的一致率比次优模型高220个基点
- 能力: 每项检查给出通过或失败，并为失败项提供原因和更正建议
资料覆盖
知识图谱当前记录了 6 个已知资料维度，另有 11 个维度尚未记录，关联 1 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。
相关公开记录
- OpenAI — 采用
- GPT-6.1 Sol — 采用
- Terminal X — 研发