Agent评测漫谈 —— 由浅入深讲解Agent评测

美团图灵Agent评测团队公开内部博客，系统介绍Agent评测的核心目的、与传统模型评测的差异，以及如何构建评测体系。文章提出评测需兼顾结果、过程、效率与风险四层，强调观测是评测基石；方法论上主张客观与主观评测并行、人人一致与人机一致对齐、将模糊指标下钻为二元化Rubric，并指出评测是依赖Good/Bad Case持续喂养的实践科学。第三章还讨论了长程Agent框架出现对评测范式带来的变化。