3 chapters · Articles in this topic
评测与验证
分别研究可靠性边界、完整评测系统和 TRACE 论文，区分业务验收与过程代理指标。
3 篇 · 总阅读约 46 分钟，实践另计
最近修订 2026.09.09
阅读目录
按问题选择文章- 019 min
- 0222 min
专题文章 2 / 3
Agent 评测系统：任务、指标、裁判与持续回归
一套评测系统需要稳定的任务契约、样本、裁判和运行记录。沿一次任务从验收到发布的路径，明确成功率、成本和过程诊断各自能支持什么决定，并把失败变成下一次可执行检查。
- 0315 min
专题文章 3 / 3
TRACE：轨迹评测、代理指标与复现边界
TRACE 在结果门槛之外研究过程效率、证据支持与恢复。以下保留公式、实验口径及其限制，再讨论哪些思想能转成业务可观测量；TRACE-Lite 是文中提出的改造方案，不是官方生产实现。