Evaluation on Hex4C59's Bloghttp://hex4c59.cc/tags/evaluation/Recent content in Evaluation on Hex4C59's BlogHugo -- 0.150.0zh-cnMon, 23 Mar 2026 12:46:29 +0800如何评测一个 Agent：不只是看它回答得好不好http://hex4c59.cc/agent/agent-evaluation/Mon, 23 Mar 2026 10:00:00 +0800http://hex4c59.cc/agent/agent-evaluation/解释 Agent 评测为什么不能只看最终答案，并给出覆盖任务完成率、过程合理性、错误恢复与稳定性的评测框架。