Industry & Practice · Tagged “爬山”

Headlines & Launches/2026-11-01/12 min

Agents CLI：用小评测集把智能体质量往上爬

四条用例的基线平均分 4.0000、标准差 1.4142。误贴厨师提示后降到 2.7500。换成 gemini-2.5-flash 后平均分同样是 2.75，但下降几乎全在 off_topic 从 5.0 到 1.0。