Agent评测：从Golden Set到业务指标
Agent评测：从Golden Set到业务指标 很多人觉得Agent评测就是”写几个测试用例，跑一下看结果对不对”。和单元测试有些相似，但本质不同。 但Agent的行为是 非确定性 的——同样的输入，今天能过明天可能就不过了。你改了一个Prompt的措辞，或者LLM provider悄悄更新了模型…
AgentLLM评测
Writing topic
# 评测
沿着这个关键词，继续往里看。
Writing topic
沿着这个关键词，继续往里看。
Agent评测：从Golden Set到业务指标 很多人觉得Agent评测就是”写几个测试用例，跑一下看结果对不对”。和单元测试有些相似，但本质不同。 但Agent的行为是 非确定性 的——同样的输入，今天能过明天可能就不过了。你改了一个Prompt的措辞，或者LLM provider悄悄更新了模型…