UAEF

verifies that the quoted excerpt appears in the evaluated text and rejects scores without valid quote evidence

“De code verifieert of het citaat echt in de beoordeelde tekst staat; zonder geldig citaatbewijs wordt de score verworpen.”

requires when it supplies the judging instruction, the jury to quote a literal excerpt from the agent output

“Wanneer UAEF de beoordelingsinstructie zelf levert, moet de jury een letterlijk fragment uit de agentuitvoer aanhalen.”

runs LLM juries via Amazon Bedrock

“LLM-jury's draaien via Amazon Bedrock”

is licensed under Apache 2.0

“Het project valt onder de Apache 2.0-licentie.”

categorizes declines of 5 to 10 percent as light, 10 to 20 percent as moderate, and above 20 percent as severe

“Dalingen van 5 tot 10 procent zijn licht, van 10 tot 20 matig en boven 20 ernstig.”

uses a default regression threshold of 5 percent

“De standaarddrempel is 5 procent; kleinere verschillen tellen niet als regressie.”

checks traces for email addresses, phone numbers, and credit card numbers before storage

“UAEF controleert traces op onder meer e-mailadressen, telefoonnummers en creditcardnummers voordat ze worden opgeslagen”

covers 36 metrics across tool use, answer quality, responsible AI use, performance, multi-turn conversations, agent collaboration, and reasoning

“De 36 meetwaarden beslaan toolgebruik, antwoordkwaliteit, verantwoord AI-gebruik, prestaties, gesprekken met meerdere beurten, samenwerking tussen agents en redenering.”

supports processing existing logs or calling an agent for each test question

“Het raamwerk kan bestaande logs verwerken of een agent per testvraag zelf aanroepen.”

converts framework traces into one AgentTrace using adapters

“UAEF-adapters zetten die traces om in één AgentTrace, waarna dezelfde evaluatie-engine ze beoordeelt.”

compares agent versions from different frameworks and makes regressions visible before release

“vergelijkt agentversies uit verschillende frameworks en maakt regressies vóór release zichtbaar.”