LLM Wiki
Search
搜索
暗色模式
亮色模式
探索
标签: agent-evaluation
此标签下有8条笔记。
2026年7月15日
HSCodeComp
agent-evaluation
deep-search
benchmark
hierarchical-reasoning
rules
2026年7月15日
HSCodeComp 揭开智能体分层规则应用能力鸿沟
agent-evaluation
deep-search
hierarchical-rules
benchmark
hscode
2026年7月10日
Harness 工程实践:如何让 Agent 完成自主迭代
harness-engineering
agent-evaluation
champion-challenger
reward-hacking
subagent
2026年7月06日
Agent 评测:方法论与体系设计
agent-evaluation
trace
scorer
quality-assurance
2026年6月23日
AI Evals的一些实践:如何从 0 到 1 构建 agent 的评测系统?
agent-evaluation
llm-as-judge
golden-dataset
prompt-eval
rubric
2026年6月16日
AI Agent & Skill 测评方案及落地实践
agent-evaluation
skill-evaluation
rubric
trace
baseline
TPerf
2026年6月06日
基于顶级 Agent(Claude Code)的 Harness 工程搭建式业务 Agent 评测方案
harness-engineering
agent-evaluation
claude-code
llm-as-judge
alibaba
2026年6月06日
Agent评测方法论
agent-evaluation
llm-as-judge
harness-engineering
quality-assurance