// AI 新闻 · 2026-10-28 · Google AI Changelog
Google发布Agents CLI评估循环以实现代理质量的山地爬升
Google通过Agents CLI评估循环，构建了代理质量的迭代优化流程。团队在初始基准测试基础上，运行测试用例、评分结果、对比差异并分析失败案例，形成闭环反馈。该流程从基础测试集开始，包含问候、天气查询、城市天气和偏离主题问题四个场景，初始平均得分为4.0，标准差1.41，表明存在真实行为差异，具备爬升空间。
原文发布 2026-10-28 08:00（北京时间）来源 Google AI Changelog自动整理 · 已核对原文
01摘要
在一次系统提示错误引入后，代理性能下降至2.75，标准差缩小至0.96，反映出错误提示导致多个场景表现恶化。通过eval compare命令生成的逐项差异分析显示，三个场景得分下降，其中sf_weather因工具调用中断而严重退化，暴露了单元测试无法捕捉的模型行为偏移问题。该流程在代码变更未被审查时及时发现并量化了回归风险。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- Agents CLI评估循环支持从基准测试到回归跟踪、模型切换和自动告警的完整迭代流程
- 初始测试集包含四个场景，平均得分4.0，标准差1.41，体现真实行为差异，为质量提升提供基础
- 系统提示错误导致性能降至2.75，其中sf_weather场景因工具调用中断而严重退化
- eval compare命令输出逐项差异，帮助开发者定位具体问题场景和影响路径
03原文出处
Hill-Climbing Agent Quality with Agents CLI Evaluation
Google AI Changelog · 发布于 2026-10-28 08:00（北京时间） · 上方为原标题
05同主题新闻
- Google 推出 LiteRT 提升安卓应用性能与效率2026-10-28 · Google AI Changelog
- Gemini Notebook 在 Android 和 iOS 添加内置音频记录功能2026-10-28 · 9to5Google
- Oracle AI Database@Google Cloud 推出 Gemini 集成与 agentic 工作流能力2026-10-28 · Google Cloud
- 谷歌提出LLM知识持续学习的‘睡眠框架’2026-10-28 · Google Research Blog
- Gemini Enterprise 通过 MCP 安全连接 Snowflake2026-10-28 · Google Cloud
- Gemini 4 Argon 模型八类应用场景展示2026-10-27 · Google Gemini
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 全部 AI 新闻 · 今日