工具介绍与任务方法
wobbly
用变形测试改变答案顺序等条件，检查模型评审或 AI 输出的自洽性和不稳定行为。
wobbly 能做什么
用变形测试改变答案顺序等条件，检查模型评审或 AI 输出的自洽性和不稳定行为。
- 语言模型与智能体质量评估及回归检查
如何使用 wobbly
检查模型评审是否受答案位置影响
准备输入
- 评审函数
- 问题与候选答案
- 测试规则
操作步骤
- 准备固定问题与答案对并连接评审函数。
- 交换答案顺序运行检查，记录选择变化。
- 查看翻转样例，修正评审流程后比较同一组输入。
预期交付物
- 评审一致性报告
- 位置敏感样例
工具测量自洽性而非答案正确性，不能将稳定回答直接当作可靠事实。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
