RubricForge: Automatyczne ocenianie agentów AI bez krzywdzących heurystyk

Nowa metoda RubricForge rozwija rubryką oceniającą dla ewaluacji agentów LLM poprzez ewolucję tekstu na podstawie rzeczywistych wyników, zamiast ręcznych definicji czy fine-tuningu. Rozwiązanie zmniejsza problem przeszacowywania fluencji bez faktycznego sukcesu, gruntując oceny w faktycznych wynikach trajektorii agenta.