deepsense.ai 提出评估 Agent 系统的四层框架与上线检查清单
deepsense.ai 提出一套评估 Agent 系统的四层框架，覆盖数据集、执行环境、行为验证和指标。它要求每个用例多次运行并以 pass^k 而非 pass@k 作为上线门槛，检查工具选择、调用顺序和失败处理等轨迹，而不只看最终答案。
#部署/工程
#部署/工程
今日 0 条Hacker News · Show HNAI 评分5151
Hacker News · 高分新帖AI 评分3434 不自己运行 LLM proxy，怎么知道 LLM 调用发生了什么？
Hacker News 上一则讨论帖以「如果不自己运行 LLM proxy，怎么知道发生了什么」发问，围绕不自建代理层时对 LLM 调用的可见性展开，已获 271 分、184 条评论。帖中未给出具体产品或实现方案。