EVAL-13

开发者推出AgentGrade以评估AI代理轨迹

一位开发者创建了一个名为AgentGrade的评估工具，用于从质量、忠实度和任务成功三个维度评估AI代理的性能。该工具评估的是轨迹而非提示，并提供详细的分解以及用于识别脱离任务行为的回归标志。一个确定性规则层（版本为agent-eval@2026-10-06）会预处理输出，其中EVAL-13是一个特别有用的检查，用于识别细微的代理故障。开发者强调应信任规则层而非基于模型的评分，因为后者固有的不可靠性。