Cómo usa Box Braintrust
80%+
Score threshold for internal release
Tal como se publicó en braintrust.dev. Capturado por usedby el 6 oct 2026.
Qué pasó
Box's product managers use Braintrust as the system of record for the datasets, experiments and metrics behind evals of the Box Agent. They run programmatic evals nightly, cluster failures with tags, grade outputs with LLM and code-based graders, and compare models against a fixed baseline dataset.
Resumen escrito por usedby a partir de la página de origen, en inglés. Las cifras son de Braintrust y de Box, no nuestras.
Box's path to launch was determined by datasets. Before opening the agent to internal dogfooding, the team built a set of roughly eighty questions covering core functionality and decided there would be no internal release until the agent scored above 80%.
Lo que dice la historia, y lo que verificamos
Comparamos la historia con su página en línea el 6 oct 2026.
- La cifra: 80%+VerificadoLa cifra está en la página; su etiqueta es redacción nuestra.
- El pasaje citado arribaVerificadoCopiado palabra por palabra de la página, cerca del nombre de Box.
- Box usa BraintrustVerificadoLínea de nivel Confirmado. Última verificación entre todas las fuentes: 6 oct 2026.
- El resultado en síNo verificadoLo citamos; no lo medimos.
Más historias
Misma empresa, misma herramienta o mismo sector.
