《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。
灰度不是"放 1% 流量试试"。真正的灰度需要流量染色、指标对齐、自动回滚三件套。这篇文章记录一套朴素的、在 30 人团队里能用起来的方案。