跨国深谈← 返回←Hossein

① 他说过的话

5 条

评测是一种让你能够持续朝着单一目标攀爬的方式，这个目标就是智能体质量。
Evals are a way for you to continue hill climbing against one target, which is agent quality.
—— Hossein · [06:41]

指向原始笔记的链接

但一旦我把它发布到生产环境，我就是在盲目的状态下运行。
But once I ship it to production, I’m operating in the blind.
—— Hossein · [10:42]

指向原始笔记的链接

在某些情况下，我们看到团队在每次交互中记录相当于一部电影大小的数据，几百兆字节。
In some cases, we see teams that are logging a movie’s worth of data in each interaction, hundreds of megabytes.
—— Hossein · [12:12]

指向原始笔记的链接

我有巨大的 payload，有几十兆、有时几百兆的大小，而传统的心跳可观测性数据只有几 KB 的大小。
I have huge payloads that are tens of megabytes, hundreds of megabytes in size sometimes compared to traditional heartbeat observability, which are just kilobytes in size.
—— Hossein · [13:54]

指向原始笔记的链接

这些特性中的每一个都证明了，这不仅仅是一个 UI 加一张电子表格，而是一个支撑它的系统问题。
Each one of these features proves that this is not just a UI and a spreadsheet, but rather it is a systems problem that powers it.
—— Hossein · [16:32]

指向原始笔记的链接

② 出现在这些集

1 集

• 《为什么做一个评估平台比看起来难得多》 — 作为主持

③ 他谈到的

点进去有真内容 —— 本页主要出口

Braintrust · Salesforce · Databricks · 评估 · 可观测性 · 智能体 · LLM · trace · 编码智能体 · BTQL

④ 也在聊「智能体」的人