Hamel Husain：私有评测应直接测试真实系统而非抽象代理基准

Hamel Husain 主张私有 eval 应针对自身任务直接度量真实系统，而不是另造抽象的私有 benchmark。他将私有 eval 定义为面向真实系统、持续维护的高质量测试集。