动态技能Agent评测需冻结版本

面向技能库可动态更新的 Agent，开发者发现后台评估回路会自动起草、修改技能，导致不同运行使用的技能集不一致，测试结果难以比较。其方案是在两次运行之间冻结已版本化的技能，再开展评测；该方法仍征求社区经验，尚非已验证的通用解决办法。 这一难题还受到工具定义规模和推理耗时的限制：相关工具定义最多约 11 万 tokens，单轮推理需 3 至 15 分钟以上，进一步增加了重复评测与结果对照的难度。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。