评测 - 标签 - 搬砖程序员带你飞 https://lpflpf.cn/tags/%E8%AF%84%E6%B5%8B/ 评测 - 标签 - 搬砖程序员带你飞 Hugo -- gohugo.iozh-CNlipengfei634626165@163.com (lpflpf) lipengfei634626165@163.com (lpflpf)Sat, 15 Aug 2026 15:00:00 +0800 评测 Agent 别只看分数：美团这篇论文把 7 个模型、36 个任务拆开看，发现它们更像「工程优化器」而不是「研究者」 https://lpflpf.cn/posts/paper-beyond-final-scores/ Sat, 15 Aug 2026 15:00:00 +0800 lpflpf https://lpflpf.cn/posts/paper-beyond-final-scores/ 看 Agent 能力，你习惯看什么？benchmark 最终分数，对吧。 但一份最终分数回答不了这几个问题：这个 Agent 的进步发生在哪个环节？它积累的经验有没有真]]>