待验证50% 置信事实精确时间
Agent 评估与大模型评估不同：大模型评估通常是给一个问题看生成答案，而 Agent 涉及多步推理、工具调用、状态流转，评估对象从单次输出变成整条执行轨迹。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证Agentic Index 是评估模型作为智能体能力的综合性排行榜，关注模型在真实工作流中的表现，考察维度包括工具调用、多步推理与规划、长上下文处理、代码执行与调试79% 相似待验证Agent 评估体系正在从「过程正确」向「结果正确」演进73% 相似待验证主 agent 汇总回复与专家 agent 直出结果两种模式本质上是系统设计层面的决策，没有绝对优劣，取决于产品需求73% 相似已验证Agent的核心公式为：Agent = 大模型 + 工具调用 + 自主决策能力73% 相似待验证Agent的评估(Evals)分为自动评估（如LLM-as-judge、规则匹配）和人工评估两类72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1036739API
curl https://kongchang.com/api/v1/knowledge/claims/1036739MCP
get_claim(id=1036739)