技术栈
agent测评
zzz_2368
3 小时前
人工智能
·
agent
·
agent测评
长程 Agent 怎么评测：Task、Trial、Grader、Outcome 与 Evaluation Harness
👤 个人主页：zzz_2368 🧪 系列主题：Agent 评测｜从结果、轨迹到持续迭代 🔥 热门专栏：Agent | 小z的碎碎念 | Java后端 📚 本系列内容：评测体系、Rubric、Good Case、Bad Case、Trace 与长程 Agent
我是有底线的