评估智能体 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 评估智能体 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 世界模型评测 1 HarnessEval-W:智能体化视觉世界模型评测 08-19 信用审计 1 无真值信用:基于执行回放审计 LLM 智能体的步骤级信用分配 08-21 智能体评测 1 FinAutoRubric:专家指导的金融研究智能体自动评分标准生成 09-30 药物评测 1 面向药物发现智能体的人类对齐 LLM 评测系统 08-24 评测审计 1 SANE:面向 LLM 评判器的自动化特定评分器蜕变测试 10-22 评测编排 1 HarnessEval:以可执行 Harness 重构 Benchmark 08-19 闭环自进化 1 AI4AI:AI训练、优化与评测AI的新范式 08-20