一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

😁 自己节前都请假了，还说什么节奏快要用人。。。。真是mean的要死😁

求各位路过的大佬锐评！      

老板面（1h）1.自我介绍2.实习、工作经历拷打3.AI大概知道多少，cursor有用过吗4.平时对什么感兴趣5.数学成绩怎么样，高考考了多少分6.生活和工作上遇到过什么重大挫折-------------------------------------------- 首先不是快手，其次基本都是聊些家常便饭，介绍公司产品，做餐饮系统的，老牌子了，但公司有点抽象，加上全部分公司，总人员有100+人，但是每个分公司只有5-10人，广州这里更是只有3人，技术部都不在这；老板说绩效不达标直接裁，疑似想卡学历or某些看法，之前只想招92的； base地点广州，具体办公大楼让我第一印象不太好，感觉整栋楼很阴...