agent 评测里路径带 eval，会改变 agent 的行为吗？
微软一项约 900 次运行、四个模型的实验显示：工作区路径含 eval 会稳定提高 agent“自己在被测试”的判断，但在六个日常工程场景中没有带来可测量的行为差异；小样本里出现的差异在扩大样本后消失。作者的建议是不必重建评测框架，…
发布于 2026-11-08 · 沐小悠 · 约 9 分钟
2 次阅读 阅读 →