agent evaluation

1 篇相关文章

GPT-5.5 初看：面向真实工作的能力该怎样评估

Apr 27, 2026

在 GPT-5.5 API 发布后，以冻结任务、隐藏验收、工具轨迹、人工复核和完整任务成本评估真实工作能力。