LLM-as-Judge

Agent 上线容易考核难 — 大模型公司正在集体撞上「评分墙」

Agent 落地最大的拦路虎不是模型不够聪明，而是「说不准它做对没」。如何评估一个每次答得都不一样的 AI，正成为新的行业分水岭。