★ 3
EnterpriseVal：量化企业生成式 AI 的价值与可靠性
针对企业 GenAI 项目难以证明业务价值的问题，论文提出 EnterpriseVal 用例级评估系统，涵盖用例规范、指标目录、专家与 LLM 混合评分、阈值门控和价值风险模型。在全球银行的三个工作流试点中，信贷备忘录起草引用精度达 88%、幻觉率 1.6%。
arXiv cs.AI42 天前
#LLM-as-judge
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 1
VoiceGremlin：AI电话代理自动化测试工具
独立开发者推出VoiceGremlin，一款针对AI电话代理的自动化测试SaaS工具。用户传入电话号码和测试用例，工具让机器人互相对话完成测试，并用LLM-as-judge给出通过/失败结果。定位为「电话代理领域的Mailosaur」。
Hacker News – AI25 天前