eval-as-ci - eval-as-ci技术,学习,经验文章

thesky123456

2 小时前

智能体面试准备（五十六）智能体评测与回归门禁工程实战——从 Eval-as-CI 到上线守护B31 讲过「智能体评测体系深化」——轨迹指标、部分分、LLM-as-Judge。B54 讲过「线上实验与效果归因」——A/B、影子、因果归因、上线门禁。两篇解决「怎么衡量 Agent 好不好」。本篇把衡量变成「工程动作」：Eval-as-CI，让每次代码提交、每次发布都自动过评测门禁，防止悄悄退化。