概念评估集 / eval set / 测试集
Eval Set
AI功能验收的核心工具，由一组精心构建的输入样本及对应预期输出或评判标准组成，用于系统性衡量模型在特定任务上的表现，需覆盖典型场景、边界情况和高风险输入
时间轴 (近 90 天)
10月2日
由于Agent输出是非确定性的，单纯的单元测试不足以保证质量，需要维护回归评估集在发布前后量化对比关键指标
待验证50%
10月2日
回归评估集（Eval Set）通常包含代表性输入case、对应的期望工具调用序列（golden trace）以及可接受的输出范围
待验证50%