研究与学习 4.0 · 优秀 2026-07-31 · 产品

smevals: a small eval suite for models, prompts, and harnesses

Simon Willison 与 Prime Radiant 合作开发的 eval 框架核心是一套清晰的词汇表:eval 是挑战集合,task 是单个挑战,config 指定模型+参数+harness,run 记录执行结果,grader 用 check 序列打分运行和评分分离设计,可以先批量跑再统一评支持本地 web 可视化和静态 HTML 报告导出用 uvx smevals docs 就能让 coding agent 自学使用方式

打开原文回到归档

smevals: a small eval suite for models, prompts, and harnesses

Source: https://simonwillison.net/2026/Jul/31/smevals/
Author: Simon Willison
Date: 2026-07-31

Summary (Chinese)

Simon Willison 与 Prime Radiant 合作开发的 eval 框架。核心是一套清晰的词汇表:eval 是挑战集合,task 是单个挑战,config 指定模型+参数+harness,run 记录执行结果,grader 用 check 序列打分。运行和评分分离设计,可以先批量跑再统一评。支持本地 web 可视化和静态 HTML 报告导出。用 uvx smevals docs 就能让 coding agent 自学使用方式。

Summary (English)

An eval framework developed with Prime Radiant. Core vocabulary: eval (challenge collection), task (single challenge), config (model+params+harness), run (execution result), grader (check sequences). Run and grade operations are separated. Supports local web visualization and static HTML export. Self-documenting via uvx smevals docs.

One-liner

运行和评分分离的轻量 eval 框架,第三次迭代设计

*Imported from Obsidian digest notes on 2026-08-01. Content grounded in fetched source metadata via opencli.*