Agent 评测到底测什么:任务、结果、轨迹与工具调用 - 程序员龙叔

Wait 5 sec.

【摘要】同一个任务,要求 Agent 搜索某个 API 的最新用法并写成摘要,可能跑出三条轨迹: search -> summarize search -> read -> summarize webfetch -> summarize 哪一条才算对? 答案可能是,三条都对。只要 Agent 读取了权威来源 阅读全文