品質評価
評価基準を設定し、ジャッジによる採点を実行して結果を確認します。
サンプル実行のプレビューです。サインアップすると自分の呼び出しで評価を実行できます。 →
| 実行 | 平均スコア | ステータス | 日時 |
|---|---|---|---|
Auto quality scan openai/gpt-4o-mini | 4.20 | 完了 | 2026-06-23 13:50 |
accuracy regression check openai/gpt-4o-mini | 3.80 | 完了 | 2026-06-22 09:14 |
tone & safety sweep anthropic/claude-haiku-4-5 | 4.60 | 完了 | 2026-06-21 18:02 |
golden dataset v3 openai/gpt-4o-mini | 5.00 | 完了 | 2026-06-19 11:30 |
nightly baseline openai/gpt-4o-mini | — | 失敗 | 2026-06-18 03:00 |