返回首页美团发布《Agent 评测白皮书》系列 01：四模块、三能力、两 Loop、一套资产2026/10/16 02:19 核心框架：离线评测负责守住已知，在线评测与监控负责发现未知，Case 挖掘与归因负责定位与分派，观测基建作为地基。 关键资产：评测集由问题、参考答案、评价标准三元组构成，分为端到端与过程评测；黄金集定义下限，错题集记录坑，挑战集标定边界。 行业意义：Agent 从 Demo 到扩量需要可靠判断机制，评测正从答案评测走向行为评测，并成为开发发布流程的一部分。 🔗 美团技术博客
