Agent Evaluation

LLM 智能体测试与基准评估,包括行为测试、能力评估、可靠性指标和生产监控——即使是顶级智能体在真实世界基准测试中也难以达到 50% 的通过率。触发词:智能体测试、agent测试、智能体评估、agent评估、智能体基准、agent benchmark、智能体可靠性、agent reliability、测试智能体、test agent、智能体监控、agent monitoring

kscz0000 Updated 2 repo stars

File contents

kscz0000/antigravity-awesome-skills-CN commit dbf3897418

Frequently asked questions

npx get-skill add kscz0000/agent-evaluation