技术栈
agent评测
萧青山
7 天前
agent评测
·
验证循环
·
grader评分器
·
llm评判
·
rubric模板
Agent在无效重试？Verification Loop评分器设计：5套Rubric+3种Judge（2026版·附代码）
金句：Grader = Verification Loop 的灵魂。Generator 负责写，Grader 负责判——裁判不行，写再多也是白烧 token。
玉面大蛟龙
3 个月前
ai
·
agent
·
agent评测
·
harness ai
可复用的 Agent 评测体系：方法论与实践
Agent 评测体系是一套标准化的质量度量方法论——它定义了“好的 Agent 长什么样”、“如何衡量好不好”、“如何持续变得更好”。
我是有底线的