ページを読み込み中…
ページを読み込み中…
3件の記事
Strands社が、多段階対話型AIエージェントを評価するために現実的なユーザーをシミュレートする評価手法を開発した。従来の単一ターン評価から進化し、より複雑な対話シナリオでのエージェント性能を測定できる。
サンドボックス環境でAIエージェントを評価するフレームワーク「Harbor」についての勉強会を開催し、その概要と関連リソースを紹介しました。
AIエージェントの構築において、OpenEvalsとLangfuseを活用したマルチターン（複数回の対話）評価の重要性と始め方を紹介しています。