公开课Claw-Eval：自主 Agent 可信评测
Claw-Eval：自主 Agent 可信评测
共 1 讲
第 1 讲 · 21 分钟
Claw-Eval：从过程、安全到鲁棒性的 Agent 评测
本讲实验：从任务完成度、执行轨迹和重复运行结果，建立比单看最终答案更可信的 Agent 评测视角。
在 B 站打开这一集熊二等兵B 站合集视频由 B 站播放。
这门课
通过一条论文解读视频，理解 Claw-Eval 如何从最终结果扩展到执行过程、安全性与鲁棒性评估，并用重复实验区分稳定能力与偶然成功。
- 适合谁
- 需要设计 Agent 评测集、任务完成度指标或上线验收标准的测试、研发与产品人员。
- 学完能做什么
- 能理解轨迹证据、完成度／安全性／鲁棒性三维评测，以及 Average Score、Pass@k、Pass^k 在重复实验中的作用。
想让团队一起学？团队培训按范围安排。 预约评估