1 篇文章
TechLab 所有關於「LLM eval」嘅文章、評測同教學，由最新排起。
Microsoft 開源 ASSERT，想將產品要求、policy 同 agent 工具邊界變成可重複測試。佢嘅賣點係 trace-aware，但 v0.1.0 仍然好早期，LLM judge 分數唔等於安全保證。
