https://www.iceyao.com.cn/tags/evals/ Recent content in Evals on 爱折腾的工程师 Hugo en-us Thu, 30 Apr 2026 00:00:00 +0000 https://www.iceyao.com.cn/2026/04/30/ai-agent-evals-demystified/ Thu, 30 Apr 2026 00:00:00 +0000 https://www.iceyao.com.cn/2026/04/30/ai-agent-evals-demystified/ 一、为什么 Agent 越强，评估越难 Anthropic Engineering 在 Demystifying evals for AI agents 中提出了一个很重要的判断：AI Agent 的价值来自自治性、工具使用和多步规划，但这些能力也让评估从“判断一