第二意見

你的評測分數上升了。這是真的嗎？

上傳另一工具在變更前後給你的系統打出的逐案例分數。Oloproof 會告訴你上升是否真實、再需要多少案例才能定論，以及是否有人核對過給出這些分數的評審模型。無需帳戶，無需安裝。

檔案包含什麼

欄位	內容
case_id	案例的 ID。兩個檔案只在雙方都包含的 ID 上配對。
criterion	指標的名稱。
score	指標量表上的一個數值；如果工具沒有為該案例評分，則留空。
passed	用 true 或 false 代替分數，或留空。
score_min, score_max	分數所在的量表（大多數工具為 0 和 1），有分數時必填。
judge, judge_version	進行評判的模型（如果由模型評判）。選填。

一個簡短的腳本即可把各工具的結果轉換成這種檔案：DeepEval、Braintrust、LangSmith 和 Langfuse。各工具的配方

在你的瀏覽器中檢查。 帶有這些欄位之外的欄位的檔案會在送出任何內容之前被拒絕，因此任何問題或回答都不會離開你的電腦。

由引擎判定。 就是 oloproof scores import 執行的那個引擎：每個檔案成為一次執行，兩次執行逐案例比較，並檢定每個標準是否有高於零的上升。

不儲存在任何地方。 檔案和執行存放在暫存區中，在答案傳回之前即被刪除。每個檔案最多 2 MB、20,000 個分數。