标签
Morgan 宣布定期分享 VulcanBench 排行榜，这是一个针对实际工程任务的基准测试，并提及更新了评估套件。
Simon Willison 介绍了 smevals，这是 Prime Radiant 开发的一个小型评估套件，用于评估模型、提示词和测试框架，提供运行评估、评分结果以及提供静态 HTML 报告的指令。
一位开发者在发现无声的误预约错误后，为基于Vapi的AI接待员创建了入门套件和评估套件，并分享该工具以帮助他人发现类似问题。