#benchmark

May 22, 2026

Agent Eval 全景：怎么评、怎么设计、怎么学

评测范式正在断裂。SWE-bench 退役后，Agent 产品团队该如何衡量真实能力？本文从实操流程、设计方法论、学习路径三个维度拆解 Agent Eval 全景。