PRODUCT EVAL60场景与行为用例
SAFETY EVAL27高风险 / 对抗用例
RELEASE GATE100%高风险用例目标通过率
如何读本页 先看批次结论与失败项，再下钻到用例证据和运行链路；用例数量代表覆盖，不等于通过率。
EVALUATION LIBRARY
评测内容库
先逐条录入并保存评测内容，再从库中多选组成本次批次。当前已保存 0 条，每次评测都调用真实 Agent 主链并保留 Trace。
SAVED EVALUATION CONTENT
从已保存内容中多选
当前显示 0 条
没有符合筛选条件的评测内容。
BATCH EVALUATION
运行已选内容
选择或新增用例
最近评测批次
ERROR 不进入产品质量通过率分母暂无评测记录
版本对比
快照、评分器与运行条件一致才可直接比较从 Run 加入评测集
保存当时的问题和实际执行能力，再由运营补充期望。