Le filThèmes : ÉvaluationsOutils devAgents
Claude publie des principes pour concevoir des évaluations et les améliorer sans se tromper
1 sourcemis à jour 28 sept.pertinence 3,0 sur5
L’essentiel
Le texte présente aussi comment les commandes build-eval et hillclimb du skill claude-api appliquent ces principes.
Propagation1 article, publié par claude.dev le 28 sept. à 14 h 00.
Les sources
1 article
claude.devOfficiel : fiche de la sourceSource primaire
AnthropicLance Martinclaude.dev
Automating eval design and hillclimbing with Claude (site externe)
Principles for designing evals and hillclimbing against them without fooling yourself, and how the claude-api skill’s build-eval and hillclimb commands put them to work.
Sur les mêmes thèmes
Agents
LangChain intègre un routeur de modèles à son agent open source Open SWE et réduit le coût médian
Évaluations
WideSWE mesure la capacité des agents de code à coordonner des modifications entre dépôts
Agents
LangChain montre comment associer Jev, modèle de décision de TypeSafe AI, à LangGraph
Agents
Hugging Face ajoute un filtre pour les environnements d’apprentissage par renforcement sur le Hub
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5