smevals：评估模型、提示词与工具链的新工具

西蒙·威利森与杰西·文森特的Prime Radiant应用人工智能实验室合作开发了smevals——一款新工具，用于针对不同模型配置运行小型评估测试集（evals）并评估结果。该工具允许用户以包含YAML文件的目录形式创建评估集，针对诸如gpt-5.5和claude-opus-4.6之类的模型运行这些评估集，然后通过指定的检查来评估结果。为了分析结果，提供了本地Web服务器和用于构建静态HTML报告的构建命令。威利森表示，这是他在评估方法上的第三次迭代，并计划未来扩展该工具。