一套收藏级 Eval 资源包:通用评测、Agent 评测、Skills 评测全覆盖
blaizedsouza · x · 2026-11-20
一份整理好的评测(evals)资源合集,涵盖四个方向:通用模型评测、Agentic 评测、eval 驱动开发、以及 Skills 评测,作者建议收藏 bookmark。适合正在搭建 Agent 评测体系、需要系统化资料入口的工程师。
「编程与Agent」频道最新
- Browserbase 用 Agent 一天内修补、构建并部署 4000 万行 Chromium 代码 — blaizedsouza · 2026-11-20
- Cognition 推出 Devin Bots:Exa 用其管理训练与 CI — marvinvonhagen · 2026-11-20
- Eval 驱动开发:用测试而非拍脑袋来选模型、检索方案与 Agent 设计 — blaizedsouza · 2026-11-20
- 开源 Harness Engineering 课程上线:14 讲 8 项目教你让编码 Agent 稳定跑起来 — blaizedsouza · 2026-11-20
- Google Cloud 总结 5 种有研究支撑的智能体编排模式 — rseroter · 2026-11-20
- 「我看没问题」:AI 生成代码时代最危险的五个字,被做成音乐剧 — iamfakhrealam · 2026-11-20