行业与实践 · 标签「分层度量」

方法与教程/2026-11-07/16 分钟

闭环评测：上线之后，分数要能改自己，也要能改智能体

麻省理工学院把已上线智能体的评测做成四层、七个组件和内外两环。真实用户 8,537 轮里，只看执行会漏掉 89% 的问题会话；证据加规则的 ICC 为 0.86，直接打分是 0.81。