概念AI评估 / LLM评估
大模型评估
针对AI系统输出质量进行量化打分的方法论，取代传统软件测试的非黑即白断言逻辑，涵盖大模型、RAG与Agent三大评估对象
时间轴 (近 90 天)
10月15日
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。
待验证50%
10月15日
大模型评估、RAG评估、智能体评估是三个不同层次的问题，不能混用同一套方法论。
待验证50%
针对AI系统输出质量进行量化打分的方法论，取代传统软件测试的非黑即白断言逻辑，涵盖大模型、RAG与Agent三大评估对象
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。
大模型评估、RAG评估、智能体评估是三个不同层次的问题，不能混用同一套方法论。