标签
AgentAudit 是一个开放且可扩展的框架，用于评估 AI 代理在能力、基础、安全和行为维度的全生命周期，实现精确的故障归因并突出不同语言模型之间的可信度差异。
本文介绍了ACES，这是一个通过实际试验对AI智能体技能进行连续评估的框架，它测量技能提升（Skill Lift）以量化附加值，并展示了与仅扫描门控相比在企业存储库上的有效性。