Deep Search の評価に安易に LLM-as-a-Judge 使う前に
REFLECTが、Deep research agent を評価する LLM-as-a-Judge を「既知の失敗を見抜けるか」という形でメタ評価する仕組みを整理します。
Tag
評価
1本の記事を、このタグからまとめて確認できます。
1本の記事を、このタグからまとめて確認できます。
REFLECTが、Deep research agent を評価する LLM-as-a-Judge を「既知の失敗を見抜けるか」という形でメタ評価する仕組みを整理します。