bilalgursen 71294e1d5d test(revizyon): mekanik ilk-N denetimi (sahte model önceliği atlar) ...

pnpm tsx --conditions=react-server scripts/eval/revizyon-denetim.ts
Sahte OpenAI ucu json_schema adetlerini ve havuz JSON'unu okuyup her listeyi
kasten "oncelikli" olmayan id'lerle doldurur. Beş senaryo: ilk5-istanbul
(Bilal'in denemesi; havuz kırpması İstanbul'u 60/60 doldurduğu için takas
gerekmez), ilk5-takas (Yalova, 5 takas), ilk3-vakif (Kayseri, 3 takas),
havuz-yetersiz (Ardahan, hata yok), mock-yolu (anahtarsız dev mock).
Model davranışını ölçmez; onu eval:sohbet ölçer.

Co-Authored-By: Claude Fable 5.1 <noreply@anthropic.com>

2026-10-07 23:23:21 +03:00

9.6 KiB

Raw Blame History

View Raw