NVIDIA 发布 SkillEvaluator 0.9.0,扩展智能体技能的评估数据集、版本比较与结果报告能力。开发者可以设置评估预算,复用基线,检查任务通过或失败的证据。
新版本允许声明脚本执行、工作区文件及最终回复的确定性检查,并把脱敏后的生产轨迹作为待审候选导入。候选预期需要经过明确人工确认后才能提升为评估标准。
结果可输出到终端、HTML、JSON、Markdown 与基准报告。该项目采用 Apache 2.0 许可。
来源:GitHub。
图片来源:NVIDIA/SkillEvaluator,Apache-2.0。图片为项目演示或论文原图,并非本站独立测试。
