Benchmark cards
包含范围、约束、预期证据和可复现说明的结构化 benchmark 案例。
COG Eval
面向 AI 工程系统的证据化评测。
COG Eval 未来可能作为独立产品域部署。本静态页面只预览产品方向。
Eval cards
面向模型、代理、工作流和具体任务行为的紧凑评测记录。
运行证据
与每个评测案例关联的执行轨迹、日志、产物和审查记录。
社区复测
未来用于比较重复运行和独立验证的路径。
工作流比较
对模型、代理和人机协同工作流表现进行并列分析。
COG Eval
COG Eval 未来可能作为独立产品域部署。本静态页面只预览产品方向。
包含范围、约束、预期证据和可复现说明的结构化 benchmark 案例。
面向模型、代理、工作流和具体任务行为的紧凑评测记录。
与每个评测案例关联的执行轨迹、日志、产物和审查记录。
未来用于比较重复运行和独立验证的路径。
对模型、代理和人机协同工作流表现进行并列分析。