评测框架

Evaluation Harness别名：Evaluation Harness、Evaluation Harness评测与测试已核验 · 2026-10-13

定义

负责运行任务、采集记录、评分并汇总结果的基础设施。

例子

批量执行用例并生成评分报告。

边界

与让模型行动的 Agent Harness 分工不同。

来源

官方文档／规范／论文；核验 2026-10-13。

---

在 GitHub 查看源条目