概念能力评估
Capability Evals
评估Agent或模型能否完成新颖复杂任务的评估类型，初期通过率通常较低
时间轴 (近 90 天)
10月15日
Anthropic在其AI Agent评估指南中将评估分为能力评估（Capability Evals）和回归评估（Regression Evals）两类。
待验证50%
评估Agent或模型能否完成新颖复杂任务的评估类型，初期通过率通常较低
Anthropic在其AI Agent评估指南中将评估分为能力评估（Capability Evals）和回归评估（Regression Evals）两类。