AI 技术与工程 ／ Anthropic 与 Claude
AI Agent 评测方法论(Anthropic 工程团队 demystifying-evals 深 dive)
Anthropic 工程团队 2026 给的 agent 评测系统化框架。8 概念词典 / 3 类 grader 矩阵 / Capability vs Regression 双轨 / 4 类 agent 评测套路(coding / 对话 / research / 计算机操作)/ 从 0 到 1 的 8 步路线图 / pass@k vs pass^k 数学直觉 / 评测框架生态 / 反 pattern。Phase A 锚 wiki,设定 anthropic-* 这批的密度与双语风格基准