美团技术团队：Agent评测漫谈——从观测到长程Agent的评测方法论

美团图灵Agent评测团队公开内部博客，系统讲解Agent评测：评测需覆盖结果层、过程层、效率层、风险层四层，主张"观测+评测=持续迭代"，并将模糊指标下钻为二元化Rubric以实现人人一致与人机一致，如Beam人机一致率从62%提升到92%。