从生产失败轨迹建评测闭环
What it is
多条来源同一路径:先读真实 trace 分类失败,再用小 golden set 和确定性检查覆盖重要回归;CI 侧按风险与模块缩小运行范围换取吞吐。提速倍数均为单一帖子转述,样本口径待核。
Evidence across sources
- 2026-10-29 — 从生产失败建立可复现的评测闭环;原始来源:2026-10-29-20-41
- 2026-10-29 Afternoon: CI throughput and test selection
- 2026-11-02 — 评测从失败轨迹出发,LLM Judge 放到最后;原始来源:2026-11-02-08-05
Open questions
- 上述来源里哪些只反映单次实践?要用于决策时,先核对原文的约束与适用范围。
Pending Jean review
- 本页为 AI 草稿。原始证据和原结论保留在出处;这里的主题归纳尚未人工核验。