2026-01-09 这一期

这一期没有导语。

本期收录

• AI agent 评测的拆解 (2026-01-09 · Anthropic Engineering)
  Anthropic 定义了 agent 评测的核心概念（task、trial、grader、transcript、outcome、harness），并建议组合多种评分方法以匹配 agent 系统的复杂度。