چگونه یک حسابرسی سهمرحلهای، توهمات پنهان در خط لوله ارزیابی LLM را افشا کرد؟
بررسیهای جدید روی ابزار Langfuse نشان میدهد که رفع باگهای زیرساختی، پیششرط ارزیابی دقیق مدلها است. این فرآیند فاش کرد که برخی مدلها با تکرار عیناً متن پرامپت، داوران خودکار…











