Doğruluk
Beklenen sonuçlar bağımsız bir SQLite kaynağında tutulur. Böylece doğruluğu değerlendirmek için dil modelinin kendi yanıtına puan vermesine güvenilmez.
MESA QA
MESA’yı standart MCP arayüzü üzerinden uzun süreli davranış testlerine sokan, ana sistemden ayrı çalışabilen bir test altyapısı.
DEĞERLENDİRME KAPSAMI
Beklenen sonuçlar bağımsız bir SQLite kaynağında tutulur. Böylece doğruluğu değerlendirmek için dil modelinin kendi yanıtına puan vermesine güvenilmez.
Testler uzun süreli yazma ve arama döngülerini, zamana bağlı güncellemeleri, düzeltmeleri, unutmayı ve oturum değişikliklerini kapsar.
Senaryolar aday süreçleri yeniden başlatır ve beklenen hafızanın korunduğunu doğrular.
SINIRLANDIRILMIŞ ONARIM
Tekrarlanabilen bir hata bulunursa QA önce hatayı gösteren bir test yazar, ardından ayrı aday kopyada küçük bir düzeltme yapıp sistemi yeniden başlatarak sonucu kontrol edebilir.
Sabitlenmiş QA raporu, canlı ilk yazmada INVALID_ARGUMENT hatası kaydeder. Eski Lite kanıtındaki aday oturumu FAIL sonucundadır; Core 0.9.3’yi doğrulamaz.