规则检查打 1.00 满分,却漏掉客服 Agent 编造的退款时限
strickvl · x · 2026-09-24
strickvl 演示 jev 评委能抓到什么：其演示客服 Agent 退款后告诉客户「3-5 个工作日到账」，但它的任何工具都不包含退款时长信息——这是编造。已有的规则检查仍给该会话打出 1.00 满分，因为规则读不懂自然语言回复，而这正是 judge 评估器的价值所在。
所属事件:Kitaru 集成 jev 评委，低成本抓出 Agent 编造信息(2 条相关)→
「编程与Agent」频道最新
- 对 AI 说「太慢了，快点」竟然真的生效，开发者直呼 wtf — DanielLockyer · 2026-09-24
- Stripe Link 钱包用户超 3 亿，携手 Muse 推动代理购物走向主流 — jeff_weinstein · 2026-09-24
- 扎克伯格拳馆装摄像头让 agent 看他打 MMA，回合间 1 分钟完成反馈 — victor_explore · 2026-09-24
- 同一套 Fintech UI 提示词，实测 ChatGPT、Claude、Figma Make 三家生成效果 — Tegadesigns · 2026-09-24
- Runable 推出定时任务：提醒不干活，Agent 直接把活干了 — SimplyAnnisa · 2026-09-24
- Agent Skills 实用指南:何时该用、如何创建与最佳场景 — rseroter · 2026-09-24