共 2 个相关内容
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。
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。