《Agent 评测白皮书》系列:从能力到可靠性的度量体系
Agent 的评测对象从来不是模型本身,而是一个由模型、工具、上下文与策略组成的系统。这篇文章给出一套可落地的分层评测框架,覆盖指标定义、评测集构造与上线后的持续观测。
共 2 篇文章
Agent 的评测对象从来不是模型本身,而是一个由模型、工具、上下文与策略组成的系统。这篇文章给出一套可落地的分层评测框架,覆盖指标定义、评测集构造与上线后的持续观测。
把 AI 当作一个能力很强但没有上下文的同事,重构任务就需要被拆成可验证的契约。这篇文章记录我们用六个月重构 31 万行前端代码的完整流程、工具链与收益数据。