使用 Claude 自动化评测设计与 hillclimbing

介绍评测设计原则，以及如何在不自我欺骗的前提下逐步提升评测表现，并说明 claude-api skill 的 build-eval 和 hillclimb 命令如何付诸实践。

原文语言 · 英语

已核查 · 2026年10月10日