40 profil, gerçek model, kod = 9469c0b (koşu anında çalışma ağacında).
Üretilen liste 37 → 40, zaman aşımı 3 → 0, ikinci çağrı 10 → 1, vaat dili
içeren üst metin 14 → 0 ve gerekçe 19 → 0, p50 22,5 → 14,8 sn,
p95 61,6 → 30,1 sn.
Co-Authored-By: Claude Fable 5.1 <noreply@anthropic.com>
- scripts/eval/robot.ts: 40 profilde modelsiz havuz değişmezleri (CI, çıkış kodu) ve
--model ile gerçek liste üretimi denetimi (şema, havuz-dışı, yasak ifade, il
çelişkisi, sayı tutarlılığı, Jev gerekçe grubu, gecikme, maliyet)
- scripts/eval/sohbet.ts: 112 soru gerçek danismanAkisi ile; araç kuralları, metin
kontrolü, sayı kaynağı, vaat regex'i, Jev danışman grubu
- scripts/eval/ortak.ts: kullanım ölçümü, Jev istemcisi, kod denetimleri
- package.json: eval:robot, eval:sohbet
- İlk koşu sonuçları ve rapor (04-eval-sonuclari.md)
Co-Authored-By: Claude Fable 5.1 <noreply@anthropic.com>
