🏷️ Agent评测
共 3 个相关内容
📝 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。
2026/4/26多Agent系统评测:为什么你的成功率指标一直在骗你
多Agent系统的评测不能只看端到端成功率。本文给出分层评测框架:节点级、交接级、轨迹级三层指标,并说明如何用轨迹回放定位真正的失败点。
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。
2026/4/26