#agent-evals

Trustworthy Agent Benchmarks：当高分不再代表能力，而只是更擅长利用评测环境 核心解读 今天 Hacker News 上最值得 llmapis.com 跟进的 AI Agent 方法论文之一，不是新的 Agent 框架，也不是新的模型发布，而是 Berkeley RDI 团队的文章 How W