🏷️ 质量保障
共 5 个相关内容
🧭 导航
📝 文章
AI Agent评测:为什么跑分高不等于好用
拆解Agent评测的常见陷阱,讲清离线基准、在线评测、人工评估怎么配合,附一套可落地的评测体系。
2026/4/26Agent评测为什么总是自我感觉良好:从「答对」到「没做坏事」的三层评测
用LLM当裁判、用准确率当指标,得到的高分在实践中屡屡翻车。本文提出结果层、过程层、代价层三层评测框架,并给出可直接落地的用例设计与采样策略。
2026/4/26AI Agent评测从0到1:三层指标体系与一份可直接套用的评测表
大多数Agent评测失败在指标设计。本文给出结果层、过程层、成本层三层指标体系,附30条任务集的构建方法与一份可落地的评测表模板。
2026/4/26代码 Agent 的四种幻觉:为什么测试全绿,上线还是炸
编程 Agent 生成的代码通过测试却上线出事,根源在四类幻觉——测试自证、依赖虚构、边界省略、语义漂移。本文给出每一类的识别信号与防护措施,附一份 Code Review 检查清单。
2026/4/26