エージェント評価の半分はLLMジャッジが要らない — そしてそれは、最も痛い失敗を捕まえる半分だ

編集メモ: AIの評価において自動化（LLMジャッジ）だけでなく、人間による定性的な評価や実地テストを組み合わせることは、致命的な失敗を防ぎシステムの信頼性を担保するために極めて重要です。