Industry & Practice · Tagged “LiteTrajEval”

Techniques & Tutorials/2026-10-09/16 min

LiteTrajEval：用一次评判、固定预算给生产轨迹定位失败

华为把轨迹评测收成一次量表评判。相对 AgentRx，Magentic-One 上失败定位对齐大约高 20–35 个百分点，同一 GPT-5-mini 下总费用从 2.4628 美元降到 0.4155 美元，评测时间从 15,990 秒降到 1,840 秒。只靠规则时，τ-retail 检出率只有 31.0%。