行业与实践 · 方法与教程

可以照着做的方法：从一个问题出发，给出步骤、代码，以及判断做对了没有的标准。

方法与教程2026-10-1122 分钟
AEVAL：把智能体技能测试从凭印象改成可重复
NVIDIA 的 AEVAL 把技能变更接进 CI：执行器与评分器分开，按首次尝试而不是修补后的结果打分。故意写错动作名的分割技能，幼稚评测给 100% 通过，协议则记下 3 次首次错误和 2 处改动。Claude 家族与 GPT 家族的平均因果占比分别是 0.41 和 0.82。