-
AI Harness 实战 03：评分器与裁判体系（规则判定 + LLM-as-Judge 的混合策略）
构建可解释、可校准、可扩展的评测裁判体系：用规则确保确定性底线，用 LLM-as-Judge 覆盖语义质量，解决“能跑回归但判不准”的核心问题。
-
AI Harness 实战 02：评测样本工程（从手工案例到可持续数据飞轮）
解决 AI 评测样本老化、覆盖不足、维护成本飙升三大问题，建立可持续更新的样本工程体系与数据飞轮闭环。
-
AI Harness 实战 01：从 0 到 1 搭建可重复、可对比、可回归的评测基线
从工程角度落地 AI Harness 的最小可用版本：标准化样本、可重复执行、统一打分与基线对比，解决“优化无证据、回归不可控”的团队常见问题。
U3DC