Flux
Couleur d'accent
smevals - a small eval suite for evaluating models, prompts, and harnesses

smevals - a small eval suite for evaluating models, prompts, and harnesses

Simon Willison's Weblog ·

smevals - a small eval suite for evaluating models, prompts, and harnesses I've been working with Jesse Vincent's Prime Radiant applied AI research lab building out this evals framework to help answer questions about the capabilities of different models. The result is smevals, a new tool for running small eval suites across different model configurations and grading the results. The blog entry describes the tool in detail. Here's the 10 second version: Tell your coding agent to run uvx smevals…

Soutenez Simon Willison's Weblog en consultant la ressource originale

Lire l'article original

Articles similaires

Cloud souverain : comprendre les règles du jeu en France et en Europe
Récent

Cloud souverain : comprendre les règles du jeu en France et en Europe

Cloud souverain : comprendre les règles du jeu en France et en EuropeNous utilisons tous des services cloud au quotidien. Pourtant, derrière le choix d'un fournisseur se cachent aujourd'hui des enjeux qui dépassent largement la technique : protection des données, dépendance aux grandes puissances technologiques, cybersécurité ou encore souverain

OCTO Talks
News août 2026 : Cursor Origin, requêtes HTTP, Lerd et modèles IA open-weight Podcast

News août 2026 : Cursor Origin, requêtes HTTP, Lerd et modèles IA open-weight

Nous évoquons WebMCP et Kitesurf que Cloudflare lance pour les agents IA, pnpm 12 réécrit en Rust, la méthode HTTP QUERY, Cursor qui passe à React et lance Origin, Mesa le filesystem versionné pour agents, Mistral et Hetzner côté IA souveraine, et quelques outils comme Xirp, Lerd, fx ou CodexBar. Retrouvez toutes les notes et les liens de l'épisode sur cette page : https://double-slash.dev/podcasts/news08-26/

Double Slash
Esc