#evaluation

4件の記事が見つかりました

AIエージェントの実行・観測・評価・修正・停止を反復可能な仕組みにするループエンジニアリングを、コンテキスト・ハーネス・グラフとの違いから実践手順まで解説します。

AIエージェントへ指示・ツール・権限・状態・検証・観測可能性を与えるハーネスエンジニアリングを、OpenAIとAnthropicの実例から体系的に解説します。

AIエージェントの反復を、自己申告ではなく証拠で完了判定する方法と、再試行・安全停止・人間へのエスカレーション条件を解説します。

RAGシステムやLLMアプリケーションにおけるコンテキスト品質の評価手法を体系的に解説。Faithfulness、Context Precision、Relevancyなどの主要指標とRAGAS・DeepEvalの実践的な使い方を紹介します。