quots'u kurduk çünkü tek bir sayı sürekli gerçeği gizliyordu.

quots'tan önce bu sorunun diğer tarafındaydık. Bir WhatsApp randevu agent'ı için eval altyapısı kurmak; altı prompt sürümü, 150'den fazla test senaryosu ve hangi konuşmanın neden koptuğunu asla söylemeyen 0,78'lik bir faithfulness skoru demekti.

Biz de o zaman keşke elimizde olsa dediğimiz aracı kurduk: gerçek konuşmalarınızdan çıkan persona'lar, segment segment puanlanan sonuçlar ve her kararın arkasındaki tam sohbet.