AWS 开源 UAEF Agent 通用评测框架

AWS 开源 UAEF Agent 评测系统，通过统一轨迹层兼容单步问答、多轮对话、多智能体协作及工具调用，并允许按场景选择评测指标。系统优先使用代码比对打分，需要 LLM 裁判时隔离评分标准与被测内容，并将每次结果绑定配置和 Git 提交记录；任一指标较基线下降超过 5% 即上报。