LLM-as-a-Judge-Bewertung auf dem Traffic, den du ohnehin protokollierst. Template wählen oder eigene Kriterien schreiben, ohne zusätzliche Instrumentierung.
| Evaluator | Judge | Filter | Avg | Evals | Status |
|---|---|---|---|---|---|
Helpfulness | gpt-4o | All traffic | 0.84 | 1,247 | on |
Hallucination | claude-sonnet-4 | gpt-4o | 0.91 | 892 | on |
Tone and brand | gpt-4o-mini | support-bot | 0.62 | 634 | on |
Safety | claude-sonnet-4 | All traffic | 0.98 | 1,247 | off |
Rate the response from 0 to 1 for helpfulness. Does it answer {{request}} directly? Is {{response}} accurate and concise?
Grepture Evals bewertet deine KI-Ausgaben mit einem Richter-Modell. Da Grepture jeden Request und jede Response bereits protokolliert, laufen Bewertungen auf bestehendem Traffic. Definiere, was gut bedeutet, und jede Stichprobe erhält einen Score von 0 bis 1 mit Begründung.
Erstelle einen Evaluator aus einem Template (Relevanz, Hilfsbereitschaft, Toxizität, Prägnanz, Instruktionsbefolgung, Halluzination) oder schreib einen eigenen Richter-Prompt. Setze Filter und Abtastrate. Ein Hintergrund-Worker bewertet deinen Traffic und speichert die Begründung. Ergebnisse siehst du pro Log, pro Evaluator oder als Trend.
Evaluierungen laufen auf dem Traffic, den Grepture ohnehin protokolliert, ohne zusätzliche Instrumentierung.
Relevanz, Hilfsbereitschaft, Toxizität, Prägnanz, Befolgen von Anweisungen, Halluzination oder ein eigener Judge-Prompt.
Jede Stichprobe erhält einen Score von 0 bis 1 und die Begründung des Judge-Modells.
Ein Hintergrund-Worker bewertet, Anfragen werden nie langsamer.
Gratis für 1.000 Anfragen im Monat. Keine Kreditkarte, kein Vertriebsgespräch.