Anthropic warnt, dass pass@k die Stabilität von Proxys leicht überschätzen kann

Das Ingenieurteam von Anthropic interpretiert die KI-Agenten-Rezension: eine Roadmap vom Aufgabensatz bis zum Bewertungsdesign

Anthropic veröffentlichte am 9. Januar 2026 einen Ingenieurartikel, der systematisch die wichtigsten Methoden der Bewertung von KI-Agenten (Evals) ana...