Agent 终态已经正确,只是走的路径和参考轨迹不一致,是否还要判失败?
Agent 评测与可靠性中级评测与可靠性
Agent 终态已经正确,只是走的路径和参考轨迹不一致,是否还要判失败?
参考答案
点击展开参考答案
- 无关步骤顺序可以不同,但安全或业务依赖必须满足。
- 更稳妥的评估是终态正确性加关键过程约束,而不是逐步复制唯一参考轨迹。
- 例如两个独立查询允许交换顺序;先获得授权再写入则必须保持顺序。
- 可选严格、有序或无序工具匹配,并对参数使用规范化或领域比较器;城市别名可等价,账户 ID 不能模糊等价。