大淘宝团队分享业务效果导向的 Agent 评测体系与上线治理实践

大淘宝团队聚焦会直接影响业务指标的策略类 Agent，指出离线判断合理但线上效果仍可能失准，把评测展开为从输入约束到业务效果的分层对象、问题归因和上线治理，并以自动挖掘、筛选与验证规则校准 Judge。