前谷歌工程师主张以评测驱动智能体开发

前谷歌工程师 Cosmin Negruseri 提出，普通软件、机器学习与智能体系统的关键差异都在评测（evals），因为评测集本身就是系统规格；驱动团队开发也应从投资评测入手。 他建议新项目先明确期望输出，再收集真实示例、建立“黄金集”（golden set）、制定标注指南并定义发布指标，之后持续扩充评测集。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。