Chinese contentBudget-Paired Counterfactual Audits:一种评估视觉智能体的新协议
搞文档智能体评测的人可以看看这篇。它不再只看最终答对率,而是把预算怎么花、答案怎么定拆开算账,能定位到底是规划差还是决策差。如果你在做 RAG 式的视觉检索智能体,这套审计方法可以直接拿来诊断自家系统。
搞文档智能体评测的人可以看看这篇。它不再只看最终答对率,而是把预算怎么花、答案怎么定拆开算账,能定位到底是规划差还是决策差。如果你在做 RAG 式的视觉检索智能体,这套审计方法可以直接拿来诊断自家系统。