Codex 隐藏功能：内置盲测 A/B 逐对评估 AI 生成结果

Codex 内置盲测 A/B 评估界面，可把同一提示词的两次运行结果洗牌后做盲选对比。用户选择 A/B/Tie 并提交后揭晓两种方法，界面支持 8x 预览与逐项投票。作者认为该功能适合评测不同模型或采样参数在生成任务上的差异。