algo_kun https://blog.hatena.ne.jp/algo_kun/ Anthropic / Claude 最新情報まとめ https://algo-kun.hatenablog.com/ Anthropic Claude Eval AIAgent NotebookLM AI エージェントの主観的品質を評価する「Eval」実践ガイド Anthropic のセッション動画 Evals for taste: Hill-climbing a slide-generation agent の内容を日本語でまとめます。スライド生成エージェントを題材に、決定論的なコード評価と LLM ベースの Judge を組み合わせた品質測定、自己回帰モデルの落とし穴、QA ループによる継続的改善、そしてモデル変更だけで「taste」を向上させる事例まで、実務に直結する Eval 設計手法を解説しています。 📝 上記インフォグラフィックは Google NotebookLM の Stu… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Falgo-kun.hatenablog.com%2Fentry%2F2026%2F05%2F23%2F210140" title="AI エージェントの主観的品質を評価する「Eval」実践ガイド - Anthropic / Claude 最新情報まとめ" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/a/algo_kun/20260523/20260523172825.png Hatena Blog https://hatena.blog 2026-05-23 21:01:40 rich https://algo-kun.hatenablog.com/entry/2026/05/23/210140 1.0 100%