«Иногда во время войны возникают странные практические вопросы. Например: нужно ли класть в тревожный чемоданчик антидепрессанты — или тогда он уже перестает быть тревожным? Нужно ли после сирены надевать чистое белье — или это снижает шансы, что тебя найдут в завалах?» — поиронизировал Шац.
Where tracing platforms evaluate turn by turn, Cekura evaluates the full session. Imagine a banking agent where the user fails verification in step 1, but the agent hallucinates and proceeds anyway. A turn-based evaluator sees step 3 (address confirmation) and marks it green - the right question was asked. Cekura's judge sees the full transcript and flags the session as failed because verification never succeeded.Try us out at https://www.cekura.ai - 7-day free trial, no credit card required. Paid plans from $30/month.We also put together a product video if you'd like to see it in action: https://www.youtube.com/watch?v=n8FFKv1-nMw. The first minute dives into quick onboarding - and if you want to jump straight to the results, skip to 8:40.Curious what the HN community is doing - how are you testing behavioral regressions in your agents? What failure modes have hurt you most? Happy to dig in below!
。关于这个话题，搜狗输入法下载提供了深入分析
В двух аэропортах на юге России ввели ограничения на полеты14:55
An Interactive Intro to CRDTs October 4, 2023