Eval Regression Gate trong CI
Đổi prompt → chạy eval nhiều lần → so khoảng tin cậy với baseline → chặn merge nếu tụt
Phím tắt: ←/→ từng bước · Space tự chạy/tạm dừng
Đổi prompt → chạy eval nhiều lần → so khoảng tin cậy với baseline → chặn merge nếu tụt
Phím tắt: ←/→ từng bước · Space tự chạy/tạm dừng