规则检查打满分也漏掉的幻觉:jev 评委 JSON 配置示例
strickvl · x · 2026-09-24
strickvl 展示了用 JSON 文件配置 TypeSafe jev 评委的方法：jev 对时间线问题给出 p(yes)=0.93，会话被判失败；在从 tracing provider 导入的 48 个会话中揪出 8 个包含幻觉退款时限的会话，人工逐一确认很方便。
所属事件:实测 jev 评委：48 个会话揪出 8 个幻觉退款时限(2 条相关)→
「编程与Agent」频道最新
- 对 AI 说「太慢了，快点」竟然真的生效，开发者直呼 wtf — DanielLockyer · 2026-09-24
- Stripe Link 钱包用户超 3 亿，携手 Muse 推动代理购物走向主流 — jeff_weinstein · 2026-09-24
- 扎克伯格拳馆装摄像头让 agent 看他打 MMA，回合间 1 分钟完成反馈 — victor_explore · 2026-09-24
- 同一套 Fintech UI 提示词，实测 ChatGPT、Claude、Figma Make 三家生成效果 — Tegadesigns · 2026-09-24
- Runable 推出定时任务：提醒不干活，Agent 直接把活干了 — SimplyAnnisa · 2026-09-24
- Agent Skills 实用指南:何时该用、如何创建与最佳场景 — rseroter · 2026-09-24