Planning evals: does the describer find the right files, does the verifier catch a planted error?
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 44/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- ai-infra-agents, testing
Direzione di ricerca
Start with docs/evals.md and the existing cases under server/evals/ to learn how evaluations are structured. Add planning cases for relevant file precision and recall, verifier rejection of planted mistakes, and cost per plan. Done means the evaluation reports these measures for the described scenarios.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Extend server/evals/ with planning cases:
- A fixture repo plus a task, and the files a correct plan must name; score recall and precision of
relevant_files. - A plan with a planted mistake (a non-existent function, a missing acceptance criterion); score whether the verifier rejects it with a correction that names the problem.
- Report cost per plan.
See docs/evals.md.
- Lingua principale
- Python
- Stelle
- 1
- Fork
- 1
- Merge medio
- 9h 33m
- PR unite (30g)
- 1
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di Mystery01092000/pullwright
-
ci good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
-
docs good first issue
Difficoltà 3/5 1-2 giorni Idoneità per principianti 72/100
-
enhancement
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
-
enhancement security
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
-
EC2 runner backendApertaenhancement help wanted
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
Tutte le issue di Mystery01092000/pullwright
Issue simili
-
namespace
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 68/100
EclipseFdn/open-vsx.org#15604 ·
I maintainer di solito rispondono entro 1 giorno
-
app: scripts severity: low status: backlog type: bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
netbox-community/netbox-scripts#164 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
I maintainer di solito rispondono entro 5 giorni
-
Public function to read participants.tsvForse già presa @bruAristimunha l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 1-3 ore Idoneità per principianti 85/100
huggingface/tau#799 ·
I maintainer di solito rispondono entro 2 giorni