automated-evals

Agent Judge 是一种智能体评估工具，通过处理长轨迹、对照事实源系统验证状态化动作以及适应行为变化，克服了简单 LLM 评判器在长周期智能体评估中的局限性。

一篇关于使用自动化提示优化和评估构建前沿智能体的论文已被KDD 2026接收。