AgentEval

微软：代理评估中的隐性变量

本文讨论在构建AI代码代理评估时常被忽视的“隐性变量”，如操作系统、文件路径、用户标识符和开发工具反馈，如何无形中改变代理行为并扭曲评估结果。作者建议在多环境下运行评估并显式固定或审查这些外部因素以获得更具代表性的测量。