MiroEvalによる深層調査エージェントの事実性・品質・プロセス次元でのベンチマーク評価 は何をしますか?
深層調査エージェントを、事実検証、レポート品質評価、プロセス評価を用いてモデルやワークフローの変更前にベンチマークタスクでスコアリングします。
前提条件
Python、uv、モデル結果JSON、評価および検索サービス用のAPIキーが必要です。
インストール
ソースに基づくインストール手順や使用方法は自動抽出できませんでした。このスキルをセンシティブなワークフローで実行する前に、上流プロジェクトを確認してください。