https://niraya666.github.io/tags/agent-eval/ Recent content in Agent-Eval on LZY Blog https://niraya666.github.io/img/基于大语言模型的%20Agent：科普向-assets/cover.webp https://niraya666.github.io/img/基于大语言模型的%20Agent：科普向-assets/cover.webp Hugo -- gohugo.io zh-CN Wed, 05 Aug 2026 12:00:00 +0800 https://niraya666.github.io/posts/agent-eval-guide-03/ Wed, 05 Aug 2026 12:00:00 +0800 https://niraya666.github.io/posts/agent-eval-guide-03/ 《Agent Eval 实践指南》第三篇：深入对比 Code-based Evaluators、LLM-as-a-Judge 与人工评估三种判分方法的适用场景、选择依据与常见陷阱，以及评估器自身的控制变量与校准。 https://niraya666.github.io/posts/agent-eval-guide-02/ Fri, 17 Jul 2026 12:00:00 +0800 https://niraya666.github.io/posts/agent-eval-guide-02/ 评测集不只是凑 query——每一条 case 需要明确成功标准、世界状态、轨迹锚点和元数据，才能真正用于稳定判分和回归测试。 https://niraya666.github.io/posts/agent-eval-guide-01/ Mon, 13 Jul 2026 12:00:00 +0800 https://niraya666.github.io/posts/agent-eval-guide-01/ 《Agent Eval 实践指南》系列开篇：为什么 LLM 系统的评估是统计性而非确定性的，为什么评估必须先于优化，以及人的判断力如何通过评测体系嵌入自动化系统。