研究与基准测试/2026-07-16/7 分钟从抽样聊天到可回归：华为云 AgentArts 的智能体评估方法华为云 AgentArts 用评测集、40 多个评估器和评估任务替换 5 到 10 条手测。流程是 30 到 50 条基线、低分下钻、按病因改提示词或工具、同一评测集回归。裁判打分并非 100% 完美，允许改分作真值。
