腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
技术百科
搜索技术百科
搜索
技术百科
搜索
关闭
发布
技术百科首页
>
Agent 评估
>
Agent 评估中常用的轨迹质量指标有哪些?
Agent 评估中常用的轨迹质量指标有哪些?
修改于 2026-10-13 17:50:03
9
词条归属:
Agent 评估
1. 结构类指标
步数(Steps):完成任务所需动作数,过多往往意味着规划低效
重试与循环(Retries / Loops):不必要的重复调用、原地打转是可靠性隐患
2. 资源类指标
工具调用次数、Token 消耗、端到端延迟,通常报告 p50 与 p95 分位,并区分成功与失败运行的分布
3. 质量类指标
计划质量:任务分解是否正确、完整
计划遵循度:执行是否忠实于初始规划
证据利用:是否基于观测结果而非臆测推进,是否在恰当节点停止
相关文章
有哪些常用的sql语句
sql
数据库
首行当然是最基本的增删查改啦,其中最重要的是查。 还有就是一些要注意的地方,就是SQL语句对大小写不敏感,语句中列名对应的值要用单引号''括起来不是双引号。 SQL 使用单引号来环绕文本值。如果是数值,请不要使用引号 特别是C/C++程序员要注意,通常错误都是在用字符串进行拼接SQL语句时,由于双引号和单引号混用,特别容易出错。 一、查:1、SELECT 列名称 FROM 表名称,其中列名可以是多个,中间用豆号分开,如SELECT LastName,FirstName FROM Persons;
java达人
2018-01-31
2.9K
0
常用的钻夹有哪些?
钻夹具的结构形式主要决定于工件被加工孔的分布位置情况,如有的孔系是分布在同一平面上、或分布在几个不同表面上、或分布在同一圆周上,还有的是单孔等等。因此钻模的结构形式很多,常用的有以下几种:
lrglu
2022-03-31
3.5K
0
Java中的网络编程有哪些常用的类和方法?
java
连接
通信
网络编程
协议
这些类和方法提供了丰富的功能,可以实现网络编程中的连接、通信、数据传输等操作。通过使用这些类和方法,可以轻松地开发Java网络应用程序。
用户1289394
2023-12-13
698
0
常用的大数据技术有哪些?
其他
参考链接:https://blog.csdn.net/lmseo5hy/article/details/79542571
黑泽君
2018-12-10
2.2K
0
常用的全自动焊接技术有哪些
机器人视觉
全自动焊接技术是现代制造业中不可或缺的一部分,它通过自动化设备和先进的控制系统,实现高效、精确和稳定的焊接过程。在各种行业中,从汽车制造到航空航天,从电子制造到建筑业,全自动焊接技术都发挥着重要作用。本文将介绍一些常用的全自动焊接技术,以及它们在不同领域中的应用。
创想智控
2023-10-09
869
0
点击加载更多
词条知识树
23个知识点
更多
Agent 评估的核心评估维度包含哪些?
Agent 评估中的"假成功"指什么,该如何识别?
Agent 评估如何衡量工具调用的准确性?
Agent 评估中常用的轨迹质量指标有哪些?
为什么 Agent 评估必须把成本与延迟纳入指标体系?
Agent 评估如何应对非确定性导致的结果波动?
pass@k 与 pass^k 在 Agent 评估中分别适用于什么场景?
Agent 评估中的 LLM-as-a-Judge 是什么,适用于哪些环节?
如何校准 LLM-as-a-Judge 以保证 Agent 评估结果可靠?
Agent 评估中的人工评估应如何进行抽样与打分?
Agent 评估中的安全性与合规性应考察哪些行为?
常用的 Agent 公开评测基准有哪些,各自考察什么能力?
GAIA 基准在 Agent 评估中重点考察哪些能力?
企业如何为自身业务构建专属的 Agent 评估数据集?
Agent 评估数据集应如何设计正常、异常与对抗三类用例?
如何搭建一套可落地的 Agent 评估流程?
Agent 评估中 Span 级、Trace 级与会话级评估的分工是什么?
生产环境下的 Agent 评估如何与线上监控体系结合?
主流的开源 Agent 评估框架有哪些,各自特点是什么?
当前 Agent 评估面临的主要技术挑战有哪些?
WebArena 与 OSWorld 在 Agent 评估中的侧重点有什么不同?
Agent 评估与传统的模型评估有什么本质区别?
Agent 评估与 Agent 可观测性之间是什么关系?
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档
领券