NiceEval 博客

博客

NiceEval 团队的产品和工程博客

最新文章

介绍 MemoryBench：用真实编程任务评测 Agent 记忆

产品思考

介绍 MemoryBench：用真实编程任务评测 Agent 记忆

同一模型、同一任务，唯一变量是记忆层。MemoryBench 用连续的真实编程任务回答：Agent 记忆到底起了多少作用？

2026-08-057 分钟阅读产品思考

Prompt 评估与 Agent 评估的区别

产品思考

Prompt 评估与 Agent 评估的区别

从检查回复到检查执行过程：如何结合结果质量、工具调用与多轮行为，为 Agent 编写评估用例。

2026-07-196 分钟阅读产品思考