Kitaru 集成 jev 评委，低成本抓出 Agent 编造信息
Kitaru 宣布集成 TypeSafe 的 jev 评委模型，可直接对从 tracing provider 导入的 Agent 会话和轨迹打分，弥补此前仅有确定性评估的不足。strickvl 演示了其价值：一个客服 Agent 退款后告诉客户「3-5 个工作日到账」，但其调用的工具均不包含退款时长信息，属于编造，而现有规则检查仍给该会话打了 1.00 满分。
2026-09-24 ~ 2026-09-24 · 2 条相关
- 第 1 集:Kitaru 集成 jev 评委，低成本抓出 Agent 编造信息(2026-09-24,2 条)
- 第 2 集:实测 jev 评委：48 个会话揪出 8 个幻觉退款时限(2026-09-24,2 条)
- Kitaru 集成 TypeSafe jev 评委:为 Agent 会话轨迹打分更便宜 — strickvl · 2026-09-24
- 规则检查打 1.00 满分,却漏掉客服 Agent 编造的退款时限 — strickvl · 2026-09-24