Autoblocks ist eine Test-, Evaluierungs-, Simulations- und Überwachungsplattform für KI-Produktteams. Es hilft Teams, Fehlermodi von KI-Chatbots und -Agenten zu erkennen, bevor sie online gehen, und verbindet KMU-Expertenfeedback, dynamische Testfälle, Produktionsüberwachung und kontinuierliche Verbesserung in demselben Qualitätskontrollsystem. Der Schwerpunkt liegt auf der Betreuung von Hochrisikobranchen wie Medizin, Recht und Finanzen. Die öffentlichen Preise umfassen die Stufen „Startup“, „Wachstum“, „Agentensimulation“ und „Unternehmen“.

Autoblocks

Kernparameter und Statistiken

Projekte	Öffentliche Informationen
Offizielle Positionierung	Helfen Sie KI-Produktteams dabei, zuverlässige KI-Apps und -Agenten zu entwickeln, zu testen und zu starten
Kernobjekte	KI-Chatbots, KI-Agenten, Modelle, Eingabeaufforderungen, Bewertungslogik, Testfälle, KMU-Feedback
Hauptmodule	Dynamische Testfälle, Evaluatoren, Experten-Feedback Agent Simulate, Produktionsüberwachung, kontinuierliche Verbesserungsfunktionen
Zielbranchen	Hochrisikobranchen wie Medizin, Recht und Finanzen sowie andere KI-Produktteams, die sensible Daten verarbeiten
Compliance-Signale	Die offizielle Website betont öffentlich HIPAA und SOC 2 Typ 2; Die Enterprise-Stufe unterstützt HIPAA BAA, private/gehostete Bereitstellung und andere Bedingungen
Öffentliche Kundensignale	Auf der offiziellen Website werden Portale mit Kundengeschichten wie Hinge Health, Anterior Health, ClickHouse Cloud, Gamma usw. angezeigt.
Support-Plattform	Webkonsolen-API/SDK, vorhandene Code-Stack-Integration
Abmessungen der öffentlichen Abrechnung	Sitzverarbeitete Daten, Scores, Datenaufbewahrung, Agentensimulation, Unternehmensbenutzerdefiniert

Grenzen setzen: Autoblocks ist weder eine grundlegende Modelltrainingsplattform noch ein einfaches Prompt-Chat-Tool. Es liegt näher an der Ebene der KI-Anwendungsqualitätstechnik: Es organisiert Testfälle, Bewertungskriterien, Experten-Feedback, Simulationsinteraktionen und Produktionsüberwachung, um dem Team dabei zu helfen, Fehlermodi zu entdecken, bevor es mit echten Benutzern in Kontakt kommt.

Benutzer- und Markterkennung

Signale aus der Branche mit hohem Risiko: Die offizielle Website stellt die Medizin-, Rechts-, Finanz- und andere Branchen in den Mittelpunkt der Erzählung und betont sensible Daten, Illusionen, Compliance und Risikomanagement. Dies zeigt, dass die Zielbenutzer von Autoblocks nicht einzelne Benutzer sind, die nur einmalige Demos durchführen, sondern Produkt-, Engineering-, Qualitäts- und Compliance-Teams, die die Qualität der KI-Ausgabe in den Online-Prozess integrieren müssen.

Kunden- und Fallsignale: Auf der offiziellen Website werden Portale mit Kundengeschichten wie Hinge Health, Anterior Health, ClickHouse Cloud und Gamma öffentlich angezeigt und die Bewertung von Kunden wie Hinge Health, ClickHouse und Gamma zur „Geschwindigkeit, Klarheit, Anpassungsfähigkeit und Liefereffizienz der Gebäude-KI“ zitiert. Diese Signale können beweisen, dass es in Unternehmensszenarien übernommen wurde, sie können jedoch keine Rückschlüsse auf die Gesamtzahl der zahlenden Kunden, den Umsatz, die Kundenbindungsrate oder die Branchendurchdringungsrate ziehen. Diese Betriebsindikatoren werden nicht offiziell bekannt gegeben.

Änderung der Markterzählung: Der Autoblocks-Blog hat sich von der LLM-Infrastruktur-Marktkarte, der LLMOps-Proxyless-Diskussion im Jahr 2023 zu Autoblocks 2.0, sich selbst verbessernden LLM-Beurteilern, Experten-Feedback, AI Trust Center, AI Risk Center und Agentensimulation entwickelt. Der Produktfokus hat sich von „GenAI Product Management Workbench“ auf „Safe, Evaluable, Simulated, Governable AI Application Delivery Platform“ erweitert.

Kostenvorteil

Kostenhierarchie	Offenlegung von Gebühren und Limiten	Anwendbare Bedeutung
Startup	199 $/Monat; 5 GB verarbeitete Daten, 50.000 Punkte, 1 Monat Datenspeicherung, 3 Benutzer; Überschüssige Daten 3 $/GB, Punkte 1,50 $/1.000, Aufbewahrung 3 $/GB	Geeignet für kleine Teams für das Verifizierungs-, Bewertungsmanagement und die grundlegende Produktionsüberwachung
Wachstum	799 $/Monat; 20 GB verarbeitete Daten, 100.000 Scores, 3 Monate Datenspeicherung, 5 Benutzer; Überschreitungsregeln werden auf derselben Seite beschrieben	Geeignet für KI-Produktteams, die bereits kontinuierliche Tests und die Zusammenarbeit mehrerer Personen benötigen
Agentensimulation	799 $/Monat; 20 GB verarbeitete Daten, 100.000 Punkte, 3 Monate Datenspeicherung, 5 Benutzer	Geeignet für Sprachagenten, mehrere Agentenrunden und eine große Anzahl simulierter Benutzerinteraktionstests
Unternehmen	Brauch; HIPAA-BAAs, Premium-Support, lokale, gehostete Bereitstellung, Szenarien mit hohem Datenvolumen oder datenschutzrelevanten Daten	Geeignet für Organisationen mit Compliance, Datenresidenz, privater Bereitstellung oder höheren Supportanforderungen

C-Seite/Kleines Team: Autoblocks versteht sich nicht als persönliches Konsumtool. Der Wert der Startup-Stufe besteht darin, dass kleine KI-Teams gegen eine feste monatliche Gebühr Test-, Bewertungs- und grundlegende Aufbewahrungsfunktionen einrichten können. Die tatsächlichen Kosten hängen immer noch vom Datenvolumen, der Anzahl der Bewertungen und der Aufbewahrungsdauer ab.

Entwickler-/API-Schicht: Für Entwicklungsteams gilt der explizite Preis zusätzlich zu den Modellaufrufgebühren, den laufenden Gebühren des Prüfers, der Zeit für die Überprüfung durch Experten, den Kosten für die Wartung des Testsatzes und den Kosten für die CI/CD-Integration. Der Kostenvorteil von Autoblocks besteht nicht in „billigeren Modellaufrufen“, sondern in geringeren Wechselkosten zwischen Testskripten, Tabellenkalkulationen, manuellen Stichproben und Online-Fehlerortung.

Enterprise/Private Tier: Die Hauptkosten für Enterprise ergeben sich aus BAA, lokaler oder verwalteter Bereitstellung, Datenisolations-SLA, Supportstufen und Sicherheitsüberprüfungen. Auf der öffentlichen Seite wird nicht der vollständige Vertragspreis offengelegt, und die Beschaffung auf Produktionsebene sollte auf der offiziellen Echtzeitseite und dem Geschäftsvertrag basieren.

Hauptfunktionen

• Dynamische Testfallgenerierung: Generieren Sie Testfälle aus echten Benutzereingaben und Produktionsdaten und reduzieren Sie das Risiko von Auslassungen, indem Sie sich ausschließlich auf die manuelle Aufzählung von Grenzszenarien verlassen. Es eignet sich für Chatbot- und Agentenprodukte mit hoher Iterationsfrequenz.
• Indikatoren zur KMU-Ausrichtungsbewertung: Beziehen Sie das Feedback von Fachexperten in die Bewertungslogik ein, sodass die Qualitätsstandards in medizinischen, rechtlichen, finanziellen und anderen Szenarien nicht nur auf allgemeinen Modellbewertungen beruhen, sondern näher an echten Geschäftsurteilen liegen.
• Agentensimulation: Simuliert Tausende von Benutzerinteraktionen, Grenzeingaben, verschiedene Akzente, Hintergrundgeräusche und Kontextbedingungen für Sprachagenten und Multi-Runden-Agenten für Stresstests vor dem Start.
• Evaluator-System: Die offizielle Dokumentation deckt regelbasierte, LLM-basierte, Webhook- und Out-of-Box-Evaluatoren ab und unterstützt TypeScript, Python SDK, UI, CLI und CI/CD-Pipeline-Zugriff.
• Produktionsüberwachung und kontinuierliche Verbesserung: Überwachen Sie weiterhin die Leistung, nachdem Sie online gegangen sind, aktualisieren Sie Testsätze und Bewertungsindikatoren automatisch und geben Sie online fehlerhafte Proben an die nächste Test- und Optimierungsrunde zurück.
• Workflow für Experten-Feedback: Experten-Feedback unterstützt die Verteilung von Überprüfungsaufgaben, den strukturierten API-/CSV-/eigenen Schnittstellenzugriff für die Erfassung von Feedback, das Herunterladen von Feedback-Daten und die Erstellung neuer Bewertungen basierend auf Feedback.
• Unternehmenssicherheit und Compliance: Die offizielle Website betont öffentlich HIPAA, SOC 2 Typ 2, BAA, private Bereitstellung, verwaltete Bereitstellung und Szenariounterstützung mit hoher Kapazität, die für Teams mit hohen Daten- und Prüfanforderungen geeignet ist.

Modell- und Versionsentwicklung

Autoblocks stellt das traditionelle semantische Versionsnummernsystem nicht offen und der Versionskontext eignet sich besser für das Verständnis durch öffentliche Produktknoten. Frühe Blogs positionierten es als kollaborativen GenAI-Produktarbeitsbereich und Proxy-lose LLMOps-Plattform und kombinierten später Prompt Playground, Full-Pipeline Replays, Prompt Management und Continuous Evaluations durch Autoblocks 2.0 zu einer einheitlichen Produktplattform.

Agent Simulate ist eines der Kernprodukte der aktuellen offiziellen Website-Navigation, das auf KI-Sprachagenten und mehrstufige Interaktionstests ausgerichtet ist. Es erweitert „künstliche Qualitätssicherung“ und „statische Testsätze“ auf Tausende von digitalen Benutzern und reale Szenariosimulationen und eignet sich, um Agentenentscheidungen, Dialogabläufe, Akzente, Lärm und ungewöhnliche Eingaberisiken vor echten Benutzern offenzulegen.

Öffentliche Blog-Knoten wie „Expert Feedback“, „Self-Improving LLM Judges“, „AI Risk Center“, „AI Trust Center“ und „Deployment Portal“ veranschaulichen, dass sich Autoblocks von einem Bewertungstool zu KI-Sicherheit, Transparenz, Bereitstellung und Risiko-Governance auf Unternehmensebene entwickelt. Das genaue Veröffentlichungsdatum, die interne Versionsnummer und die Startzeit der Funktion wurden auf der offiziellen Website nicht vollständig bekannt gegeben. Bitte beachten Sie die offizielle Echtzeitseite.

Technische Vorteile

Mechanismus: Echter eingabegesteuerter Testsatz. Dynamische Testfälle verwandeln echte Benutzereingaben, Fehlerbeispiele und Edge-Szenarien in wiederverwendbare Testressourcen. Der Effekt besteht darin, den blinden Fleck zu verringern, der darin besteht, „nur den idealen Weg zu testen, bevor man online geht“. Anwendbare Szenarien sind KI-Anwendungen mit komplexen Benutzerausdrücken, hohen Compliance-Anforderungen und hohen Ausfallkosten.

Mechanismus: KMU-Feedback geht in die Bewertungslogik ein. Expertenfeedback bleibt nicht nur in Kommentaren oder Arbeitsaufträgen, sondern kann in Bewerter, Bewertungskriterien, Datensätze und experimentelle Erkenntnisse einfließen. Der Effekt besteht darin, dass Modellverbesserungen den Geschäftsstandards näher kommen. Anwendbare Szenarien sind Aufgaben, die ein fachspezifisches Urteilsvermögen erfordern, wie z. B. medizinische Fragen und Antworten, rechtliche Prüfungen, Finanzkundenbetreuung und Einstellungsprüfungen.

Mechanismus: Simulation und Produktionsüberwachungsverbindung. Agent Simulate verwendet eine große Anzahl simulierter Interaktionen für Pre-Launch-Tests, und die Produktionsüberwachung leitet das Online-Verhalten dann zurück an den Testsatz und die Bewertungsindikatoren. Dies hat zur Folge, dass der Testsatz kein einmaliger Vermögenswert bleibt; Anwendbare Szenarien sind mehrere Runden von Agenten, Sprachagenten, Kundendienstmitarbeitern und KI-Funktionen, die eine kontinuierliche Freigabe erfordern.

Mechanismus: Proxylose Integration in den vorhandenen Stack. Autoblocks betont offen, dass es in bestehende Codebasen, Modelleingabeaufforderungen und Bewertungslogik eingebunden werden kann und nicht erfordert, dass Teams zuerst den vollständigen Argumentationslink ersetzen. Der Effekt besteht darin, den Zugriffswiderstand zu verringern. Das anwendbare Szenario ist ein Team, das bereits über einen selbst entwickelten Agenten oder eine Lieferantenstrategie mit mehreren Modellen verfügt.

Wie man es benutzt

Nutzungspfad	Eingang	Typische Schritte	Anpassungsszenarien
Web-Workbench	Offizielle Website Erste Schritte / Anmelden	Erstellen Sie eine Anwendung oder einen Arbeitsbereich -> Zugriff auf Agenten, Modelle, Eingabeaufforderungen und Bewertungslogik -> Definieren oder importieren Sie Testfälle -> Anzeigen des Bewertungs-Dashboards	Produkt-QA, KMU und technische Zusammenarbeit
Agentensimulation	https://www.autoblocks.ai/agent-simulate	Zielagenten konfigurieren -> Simulierte Benutzer und Szenarien generieren -> Mehrere Interaktionsrunden ausführen -> Fehlergründe und Leistungsberichte anzeigen	Sprachagent, mehrere Kundendienstrunden, Reservierungen, Verkauf ausgehender Anrufe
API/SDK	Offizielle Dokumentation und Konsole	Erstellen Sie Testfälle, Datensätze und Evaluatoren -> Führen Sie Bewertungen im Code oder CI/CD aus -> Veröffentlichen Sie Ergebnisse zurück auf der Plattform	Entwickelte Regressionstests und automatisierte Release-Gates
Experten-Feedback	Offizieller Blog- und Plattformfunktionszugang	Überprüfungsaufgaben verteilen -> Experten-Feedback sammeln -> Feedback-Daten aggregieren -> Bewerter schulen oder verbessern	Beteiligungsprozess für Experten aus den Bereichen Medizin, Recht, Finanzen und anderen Bereichen
Unternehmensbereitstellungen	Preise / Gespräch mit dem Vertrieb	Bestätigen Sie BAA, lokale, gehostete Bereitstellung, Datenisolations-SLA und Supportabdeckung	Großvolumige, datenschutzrelevante oder regulierte Organisationen

Bei der Implementierung ist es besser, mit einem Agenten zu beginnen, der klare Geschäftsergebnisse hat, wie z. B. Terminbestätigung, Überprüfung des Anspruchsmaterials, Einstufung medizinischer Beratung oder Identifizierung der Absichten des Finanzkundendienstes. Der Schwerpunkt der ersten Runde liegt nicht auf der Verbindung aller Module, sondern auf der Einrichtung von Testsätzen, Bewertungsstandards für KMU und Produktionsrücklaufpfaden, damit fehlerhafte Proben kontinuierlich erfasst und repariert werden können.

Produktpreise

Die öffentlichen Preise von Autoblocks basieren auf einer Kombination aus monatlichen Gebühren und Nutzung: Startup und Growth für reguläre KI-Produktteams, Agent Simulation für Simulationstestanforderungen und Enterprise in benutzerdefinierter Form zur Abdeckung von Compliance-, Bereitstellungs- und Kapazitätsanforderungen. Auf der öffentlichen Seite werden die Quoten der verarbeiteten Daten, Scores, Datenspeicherung und Benutzer übersichtlich dargestellt.

Planen	Monatliche Gebühr	Kernlimit	Überschreitung/zusätzliche Hinweise
Startup	199 $/Monat	5 GB verarbeitete Daten; 50.000 Partituren; 1 Monat Aufbewahrung; 3 Benutzer	Daten 3 $/GB danach; erzielt danach 1,50 $/1.000; Einbehalt: 3 $/GB, danach einbehalten
Wachstum	799 $/Monat	20 GB verarbeitete Daten; 100.000 Punkte; 3 Monate Aufbewahrung; 5 Benutzer	Überschreitungsdaten, Bewertungen, Aufbewahrung pro Seite-Regel
Agentensimulation	799 $/Monat	20 GB verarbeitete Daten; 100.000 Punkte; 3 Monate Aufbewahrung; 5 Benutzer	Für KI-Agent-Simulationstests unterliegen die spezifischen verfügbaren Funktionen der Seite
Unternehmen	Benutzerdefiniert	HIPAA-BAAs, Premium-Support, lokale, gehostete Bereitstellung	Szenarien mit hohem Datenaufkommen oder datenschutzrelevanten Daten erfordern eine geschäftliche Bestätigung

Preisgrenze: Die öffentlichen Preise decken nicht alle Unternehmensbedingungen ab, z. B. selbst gehostete Bereitstellungen, SLA für gehostete Bereitstellungskapazität, Datenisolierung, Audit-BAA und jährliche Rabatte. Wenn es um medizinische, finanzielle oder rechtliche Produktionsumgebungen geht, sollte das Budget auch Plattformgebühren, Modellaufrufgebühren, Gebühren für die Durchführung von Bewertungen, Kosten für Expertenprüfungen und Kosten für interne Compliance-Prüfungen umfassen.

Anwendungsszenarien

• Überprüfung medizinischer KI-Assistenten vor der Online-Bereitstellung: Wandeln Sie Konsultationstriage, Zusammenfassung der Krankenakten, Terminbestätigung und medizinische Kundendienstszenarien in Testfälle und Expertenbewertungsstandards um, wobei der Schwerpunkt auf der Überprüfung sensibler Informationen, Illusionen, Auslassungen und professionellem Ton liegt.
• Rechts- und Finanzkundendienstmitarbeiter: Überprüfen Sie Compliance-Grenzen, Offenlegungstexte, Ablehnungsstrategien und Risikoerinnerungen durch mehrere Simulationsrunden und KMU-Feedback, um die Wahrscheinlichkeit zu verringern, dass echte Benutzer risikoreiche Ausgaben auslösen.
• Belastungstest für Sprachagenten: Verwenden Sie Agent Simulate, um verschiedene Akzente, Hintergrundgeräusche, Unterbrechungen, Zögern, wiederholte Bestätigungen und ungewöhnliche Eingaben abzudecken und zu überprüfen, ob der Anrufprozess die Aufgabe stabil abschließen kann.
• Eingabeaufforderung und Modellversionsregression: Verwenden Sie nach der Eingabeaufforderung des Modelllieferanten, dem Toolaufruf oder RAG-Inhaltsänderungen den festen Testsatz und den Evaluator, um die Ausgabequalität zu vergleichen, um zu vermeiden, dass eine lokale Optimierung zu einer Gesamtregression führt.
• Produktionsüberwachung und Rückfluss fehlgeschlagener Proben: Erfassen Sie fortlaufend Proben mit niedriger Bewertung, Hochrisikoszenarien und Experten-Feedback, nachdem Sie online gegangen sind, und überführen Sie sie in neue Testfälle und Bewertungsregeln.

Anwendbare Personen

• KI-Produktmanager: Es ist notwendig, Geschäftsergebnisse, Expertenstandards und Modellausgabequalität zu verknüpfen, um das Problem zu verringern, dass man sich bei der Beurteilung, ob es online eingeführt werden kann, nur auf subjektive Tests verlässt.
• AI/ML-Engineering-Team: Testfälle, Evaluatoren, SDK, CI/CD und Produktionsüberwachung müssen in den vorhandenen Code-Stack integriert werden, um einen wiederholbaren Regressionsbewertungsprozess zu etablieren.
• Qualitätssicherungs- und Risiko-Governance-Team: Die KI-Ergebnisse müssen in ein überprüfbares, nachvollziehbares und erneut prüfbares Qualitätssystem integriert werden, mit besonderem Augenmerk auf Fehlermodi und Compliance-Nachweis in Hochrisikobranchen.
• Domänenexperten und Betriebsteams: Es ist notwendig, Verbesserungen des KI-Systems durch strukturiertes Feedback zu beeinflussen, anstatt Expertenmeinungen in Formularen, E-Mails oder Chat-Protokollen zu verstreuen.

Die Grenze der Inkompatibilität ist ebenfalls sehr klar: Wenn das Team nur einmalige Prototypen erstellt, keine echten Benutzeraufgaben, keinen stabilen Testsatz und keine Anforderungen an die Online-Überwachung hat, scheinen die gesamten Plattformfunktionen von Autoblocks überbewertet zu sein. Wenn das Ziel darin besteht, ein Basismodell zu trainieren oder GPU-Trainingsaufgaben zu verwalten, sollten Sie eine Modelltrainings-, Datenannotations- oder MLOps-Plattform wählen, anstatt Autoblocks als Trainingsinfrastruktur zu behandeln.

Zusammenfassung und Ausblick

Die zentrale Wettbewerbsfähigkeit von Autoblocks liegt darin, die Qualität von KI-Anwendungen von „manuellen Stichproben und Korrekturmaßnahmen nach dem Start“ auf einen kontinuierlichen Prozess der „dynamischen Testagentensimulation, Expertenfeedback, Bewerter und Produktionsüberwachung“ zu verlagern. Es eignet sich besonders für KI-Produktteams mit geringer Fehlertoleranz, beispielsweise in den Bereichen Medizin, Recht und Finanzen, da die entscheidende Frage in diesen Szenarien nicht darin besteht, ob die Antwort generiert werden kann, sondern ob die Antwort interpretierbar, erneut prüfbar und überprüfbar ist und echten Geschäftsstandards entspricht.

Derzeit gibt es drei Hauptkategorien von Einschränkungen: Erstens hat der Beamte keine vollständigen Daten zur Kundengröße, zum Umsatz, zur Kundenbindungsrate und zur aufgeschlüsselten SLA-Leistung offengelegt; Zweitens erfordern Enterprise-, On-Prem-, gehostete Bereitstellung, BAA und die Abrechnung großer Mengen eine geschäftliche Bestätigung. Drittens hängt der Wert der Plattform davon ab, ob das Team qualitativ hochwertige Testsätze für KMU-Feedback und -Bewertungsstandards aufrechterhalten kann, und das Tool selbst kann hochwertige technische Methoden nicht ersetzen.

Der Implementierungsvorschlag besteht darin, zunächst einen hochwertigen Agenten für den Piloteinsatz auszuwählen und die Aufgabenabschlussrate, die manuelle Regressionsrate, die Rückrufrate für Hochrisikoproben, die Konsistenz der Expertenbewertung, die Online-Fehlerwiederholungsrate und die Debugging-Zeit als Akzeptanzindikatoren zu verwenden. Sobald das Pilotprojekt stabil ist, wird es auf Multi-Workspace-CI/CD-Qualitätszugriffskontrolle, Agentensimulation, Produktionsüberwachung und Corporate-Governance-Begriffe ausgeweitet; Vor dem Kauf sollten Sie sich darauf konzentrieren, die Datenaufbewahrung, den Kaliberwert der verarbeiteten Daten, die Abrechnungs-BAA, die Bereitstellungsmethode, die Prüfung und die Datenisolationsanforderungen zu überprüfen.

Versionsinfo

• Automatische Blockierung der KI-Plattform ：Die aktuelle öffentliche Online-Version konzentriert sich auf Prototyping, Tests, Evaluierung, Simulation, Experten-Feedback und Produktionsüberwachung zuverlässiger KI-Anwendungen und Agenten; Der Beamte hat die einheitliche semantische Versionsnummer und das genaue Veröffentlichungsdatum nicht bekannt gegeben, und die spezifischen Funktionen unterliegen der offiziellen Echtzeitseite. （~2026-06）
• Autoblocks-Agent-Simulation ：Agent Simulate wurde für KI-Sprachagenten und Multi-Runden-Agentenszenarien entwickelt und bietet Tausende von simulierten Benutzern, Szenarien, Akzenten, Hintergrundgeräuschen und abnormalen Eingabetests; Das offizielle Veröffentlichungsdatum wurde nicht bekannt gegeben. （~2025-01）
• Autoblocks 2.0: Die GenAI-Produktplattform ：Autoblocks 2.0 kombiniert Prompt Playground, Full-Pipeline Replays, Prompt Management und Continuous Evaluations in der GenAI-Produktplattform; Auf der offiziellen Seite wird das genaue Erscheinungsdatum nicht bekannt gegeben. （~2024-01）
• Experten-Feedback ：Expertenfeedback wird verwendet, um Feedback von Fachexperten zu sammeln, zu organisieren und umzuwandeln. Es unterstützt den Import von Feedback über Anmerkungstools, eine eigene Produktschnittstellen-API oder CSV und nutzt Feedback für Evaluator- und experimentelle Verbesserungen. Das offizielle Veröffentlichungsdatum wurde nicht bekannt gegeben. （~2025-01）