英伟达论文提出 Skill Lift 法评估 Agent 技能

英伟达发布新论文，提出 ACES 方法与"技能提升"(Skill Lift)指标来评估 Agent 技能质量。研究发现传统的结构化扫描（检查语法、风格、安全）与 LLM 评判质量相关性极低（Spearman rho 仅 0.14），文档得分与实际性能提升几乎零相关。新方法通过对比同一任务加载与不加载特定技能的执行结果来衡量技能真实价值。

2026-08-24 ~ 2026-08-26 · 3 条相关