结合 When Agents Slow Down、Reflexion、Hyperband 和 Agent 评测，说明怎样比较连续修改与独立尝试，并设计可复现的预算分配实验。
返回写作
标签 #evaluation
-
Agent 该继续跑，还是重新开一轮？读懂预算分配、记忆与评测 -
Agent 线上出过的错，怎么自动变成以后每次改动都要重跑的测试？ 结合 Kitaru 的 Replay、Evaluator 和 Regression Suite，说明怎样把线上失败固定成可重放的 Agent 回归测试，并用工具策略与评测结果接入 CI。