評価のすり合わせ
基準への合意と結果への判断を分けて確認します。
何を測るか
ケースごとに入力、期待結果、根拠を確認し、「妥当」または「要修正」を選べます。変更案は既存の点数を書き換えません。
実行条件と測っていないこと
基準案の確認を記録する
全ケースの確認と代表性の説明を記録します。これはブラウザ上の自己申告です。エージェントへ共有するには、下の「確認内容を保存」でJSONを添付するか、「確認内容をコピー」で会話に貼り付けてください。
ケースごとの実行結果
期待結果と実際の出力を並べて確認できます。点数への異議や追加確認は、評価基準への確認と分けて記録します。
点数の推移
同じ基準・同じケース集合の保存済み実行を順に表示します。基準が変わった場合は別の系列として扱います。
| 実行 | 基準 | 点数 | 採点ケース | 実行エラー | 未採点試行 | 用途 |
|---|