如何用决策模型做评估（Evals）

决策模型最近爆发式登场：先有 TypeSafe 的 Jev，接着是 Perplexity 的 Decider、Liquid 的 d1、Cloudflare 的 Clef，还有 OpenAI 的决策模型……

本文系统讲解如何把这类「决策模型」用于 LLM 应用的评估（Evals）：它们与传统评分方式有何不同，何时该用、如何用。