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。

評価ケースの確認状況

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。