「雰囲気評価」から脱却：Google Labs、LLM評価ツール「Stax」を公開
Google LabsとGoogle DeepMindはLLM評価ツール「Stax」を実験的に公開した。テストデータをアップロードし、Geminiなどのモデルを用いた事前定義またはカスタムの自動評価機能（Autoraters）を使って、回答の正確性やトーンを体系的に測定できる。
Google LabsとGoogle DeepMindはLLM評価ツール「Stax」を実験的に公開した。テストデータをアップロードし、Geminiなどのモデルを用いた事前定義またはカスタムの自動評価機能（Autoraters）を使って、回答の正確性やトーンを体系的に測定できる。