Cameron Wolfe 探讨 LLM 与 AI Agent 主观任务评测方法

Cameron R. Wolfe 发布长文及 AI Engineer 大会演讲，系统梳理 LLM 与 AI Agent 任务评测的五个核心要素。任务需要保持多样、贴近真实场景，同时具备足够难度、区分度和高质量，以支持对高度主观任务的可靠评测。