ci: juge gravité sémantique (officiels) — LLM-as-a-judge#38
Merged
Conversation
Workflow workflow_dispatch decouple : pull references (corpus) + transcripts (dataset resultats), run judge (single Albert/Mistral) ou panel multi-juges, push du rapport de gravite vers AgentPublic/eval-stt-results. Decouple pour re-juger sans re-transcrire. Depend de la PR #35 (code du juge sur main). Co-Authored-By: Claude Opus 4.8 (1M context) <[email protected]>
|
Note Gemini is unable to generate a review for this pull request due to the file types involved not being currently supported. |
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
1 participant
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
Objectif
2e brique du chantier CI/CD des évaluations Transcript : le LLM-as-a-judge (gravité sémantique), qui mesure les écarts qui changent le sens et que le WER ignore. 100 % API, zéro audio.
Complète la PR #37 (transcription remote + WER). Workflow séparé par choix de conception.
Pourquoi un workflow séparé (et pas un job
needs:chaîné)Le juge est ce qu'on réexécute souvent : essayer un autre modèle juge, augmenter les passes, lancer le panel multi-juges. Le découpler permet de re-juger des transcripts déjà produits sans re-payer la transcription. Il tire les transcripts depuis le dataset résultats (
AgentPublic/eval-stt-results). C'est la valeur concrète de « résultats sur HF -> CI downstream qui les consomme ».Ce que fait le workflow
eval-stt-officiels) + des transcripts générés (dataset résultats), lecture anonyme.eval-transcript judge(single, juge Albert/Mistral Medium) oupanel(multi-juges + consensus G3), nombre de passes paramétrable.Prérequis (dépendances)
feat/llm-judge-severity) doit être mergée d'abord : le code du juge n'est pas encore surmain, doncuv syncne fournira la commandejudge/panelqu'après.ALBERT_API_KEY(juge Mistral Medium),OPENROUTER_API_KEY(modepanel/ juge tiers non-Mistral),HF_TOKEN(push du rapport).PR laissée en draft tant que #35 n'est pas mergée et que les secrets ne sont pas posés.
🤖 Generated with Claude Code