eval-driven-agent

非決定的なシャッフルをカイ二乗検定で採点する統計オラクル | Shuffle graded by Monte-Carlo statistical tests

Claude Codeエージェント定義の査読と、その検出力を採点するオラクル | Agent-spec review graded by a detection-power oracle

ランダム入力の集中砲火で「壊れない」を採点するファジング・オラクル | Robust parser graded by a fuzzing (implicit) oracle

LLM査読の検出力をラベル付き見本で採点するメタ評価ハーネス | Meta-eval: grading an LLM reviewer with labeled specimens

正解表なしで5つの性質からソートを採点するメタモルフィック・オラクル | Sort graded by metamorphic relations

答えが一意でない出力を仕様アサーションで採点するEDD実証 | Divisor finder graded by a spec-assertion oracle

Fractal design docs: one frame, zoom into any element, same shape at every depth — with a document-structure oracle | 枠1枚から掘れるフラクタル設計書の生成エージェント＋文書構造オラクル

要約をLLM採点＋決定的ゲートで合否判定するEDD実証 | Summaries graded by LLM-as-judge + a deterministic gate

decode(encode(x))==x の往復プロパティで採点するEDD実証 | RLE codec graded by a round-trip property oracle

日本語→SQLをSQLite実行結果で採点する実行オラクルのEDD実証 | Text-to-SQL graded by an execution oracle

Python 2→3移植をgolden比較で採点するEDD実証 | Py2→3 migration graded by golden-output comparison

JS→TS移行を元JSとの差分テストで採点するEDD実証 | JS→TS migration graded by differential testing