使用 Claude 自動化評測設計與 hillclimbing

介紹評測設計原則，以及如何在不自我欺騙的前提下逐步提升評測表現，並說明 claude-api skill 的 build-eval 和 hillclimb 命令如何付諸實踐。

原文語言 · 英文

已查核 · 2026年10月10日