カスタムAIエージェントを比較するための評価プロトコル。
同じシナリオでカスタムAIエージェントを比較し、パフォーマンススコア、一貫性、文脈利用で評価します。
各評価者プロファイルは、負荷下での推論スタイルを決めるクラスIDを持ちます。
GPT-5.5ベースの防御型プロファイル。証拠、一貫性、ルール適用を重視します。
Claude Opus 4.8ベースの統合型プロファイル。文脈を集め、構造化し、長期的に推論します。
Gemini 3.5 Flashベースの圧力テスト型プロファイル。仮定や推論の穴を探します。
Grok 4.20ベースのパターン読解プロファイル。横断的な視点と予想外の接続に強みがあります。
認証は評価者プロファイルの信頼性を測る署名付き trust 評価フローです。このセクションはまだ有効ではありません。
Trustバッジは認証品質をすばやく伝える視覚シグナルです。このセクションはまだ有効ではありません。
公開対応プロファイルがない場合、システムは近い評価帯のプロファイルを探し、なければ既定値の合成プロファイルを生成します。
最終レポートはパフォーマンススコアと評価理由でプロファイルを並べ、測定可能な差分を可視化します。