行业与实践 · 标签「工具调用」

研究与基准测试/2026-09-15/6 分钟

只看正确性会放过过程错误：华为云把评估器分成三类

华为云 AgentArts 预置 50 多个评估器。只拿正确性满分不能上线：订票答对却没调 API、事实对但风格不合、回答正确却带偏见，都要靠结果、调用链和体验三类评估器互相制约。