Colby McHenry
|
3e8922dfad
test(agent-eval): report all three feedback metrics per arm, side by side (CG-11)
|
před 1 měsícem |
Colby McHenry
|
e35d4861e0
test(agent-eval): block the codegraph CLI outright — hiding it from PATH was not enough (CG-7)
|
před 1 měsícem |
Colby McHenry
|
d3c01ce8ed
test(agent-eval): stop the arms reaching codegraph through the shell (CG-7)
|
před 1 měsícem |
Colby McHenry
|
4080b7501e
test(agent-eval): measure residual context occupancy, over multi-turn sessions (CG-7)
|
před 1 měsícem |
Colby Mchenry
|
41620c60fa
feat(extraction): add COBOL language support (.cbl/.cob/.cpy) (#590, #648) (#1161)
|
před 2 měsíci |
Colby Mchenry
|
0682681175
chore(agent-eval): standing A/B model policy — sonnet + high effort, never Opus/Fable (#816)
|
před 2 měsíci |
Colby McHenry
|
7fe64b32be
feat(eval): add agent-eval harness and /audit + /publish Claude skills
|
před 3 měsíci |