大淘宝提出业务效果导向的 Agent 评测体系与上线治理

大淘宝技术发文提出「五层、四步、三阶段」评测与治理方式，并通过 Auto Rubrics 校验评估器，文中报告模型自我判断一致率从 46% 提高到 84%，同时强调离线合理不等于线上有效。