开发技术
Beyond Final Scores: A Systematic Evaluation of Agents for Long-Horizon AI Research and Development
2026-08-14arxiv.org
★★★★★
系统评估长时程研发智能体并提出超越最终得分的评测框架
值得记下
阅读原文↗将评测焦点从最终得分扩展到过程指标与长期表现，挑战传统单一分数评价。
内容来源：arxiv.org，版权归原作者所有
系统评估长时程研发智能体并提出超越最终得分的评测框架
将评测焦点从最终得分扩展到过程指标与长期表现，挑战传统单一分数评价。
内容来源：arxiv.org，版权归原作者所有