热点事件观察中

peymanpro 开源 AI-Evaluation-Engineering V1.1 评测框架

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

peymanpro 在 GitHub 发布 AI-Evaluation-Engineering V1.1，一个供 AI 系统做测量、对比与回归测试的中立于提供商的评测层。V1.1 新增类型化 Agent 轨迹回放与任务/步骤成功分离分析、对抗性安全回归用例、含配对 bootstrap 置信区间和 Bonferroni 校正的发布决策 compare（输出 PASS/FAIL/INCONCLUSIVE/INVALID_EVIDENCE 四种判定）、方向感知回归门控、失败记录转回归套件的 JSONL 失败记忆，以及质量/成本与质量/延迟权衡分析和可审计证据包。

AI 根据报道生成 · 1 天前更新

最新进展10月26日 07:24

peymanpro 开源 AI-Evaluation-Engineering V1.1 评测工程框架

报道时间线

沿着报道，了解事件的不同侧面。

10月26日

07:24
GitHub · 灵魂体仓库精选
peymanpro 开源 AI-Evaluation-Engineering V1.1 评测工程框架
peymanpro 在 GitHub 发布 AI-Evaluation-Engineering V1.1，一个供 AI 系统做测量、对比与回归测试的中立于提供商的评测层。V1.1 新增带类型化的 Agent 轨迹回放与任务/步骤成功分离分析、对抗性安全回归用例、配对 bootstrap 置信区间的发布决策 compare（evaluate_release_candidate，含 Bonferroni 校正与 PASS/FAIL/INCONCLUSIVE/INVALID_EVIDENCE 四种判定）、方向感知回归门控、失败记录转回归套件的 JSONL 失败记忆，以及质量/成本与质量/延迟权衡前沿分析和可审计证据包。

本事件热度走势

可比范围当前: 5
可比范围峰值: 1010月26日 08:00
近 24 小时变化: -50%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。