セカンドオピニオン

評価スコアが上がりました。それは本物ですか？

変更の前後に別のツールがあなたのシステムに付けたケースごとのスコアをアップロードしてください。Oloproof は、上昇が本物かどうか、あと何ケースあれば決着するか、そしてそれらを採点したジャッジを誰かが確認したかどうかを示します。アカウント不要、インストール不要です。

ファイルの中身

列	内容
case_id	ケースの ID。2つのファイルは、両方に含まれる ID でのみ対応付けられます。
criterion	指標の名前。
score	指標の尺度上の数値。ツールがそのケースを採点しなかった場合は空欄。
passed	スコアの代わりに true または false、または空欄。
score_min, score_max	スコアが取る尺度（ほとんどのツールでは 0 と 1）。スコアがある場合は必須。
judge, judge_version	判定したモデル（モデルが判定した場合）。任意。

短いスクリプトで、各ツールの結果をこのファイルに変換できます：DeepEval、Braintrust、LangSmith、Langfuse。ツールごとのレシピ

ブラウザで確認。 これら以外の列を含むファイルは、何かが送信される前に拒否されるため、質問や回答があなたのマシンから出ることはありません。

エンジンが判断。 oloproof scores import が実行するのと同じエンジンです。各ファイルが1つの実行になり、2つの実行はケースごとに比較され、各基準についてゼロを上回る上昇があるかが検定されます。

どこにも保存しません。 ファイルと実行は一時ストアに置かれ、答えが返る前に削除されます。1ファイルあたり最大 2 MB、20,000 件のスコアまで。