田渊栋团队新作祭出Agent-as-a-Judge！AI智能体自我审判，成本暴跌97%

Meta和KAUST团队提出了一种名为Agent-as-a-Judge的新框架，用于评估AI智能体。该框架不仅减少了97%的成本和时间，还能提供丰富的中间反馈。研究人员通过DevAI基准测试平台验证了框架的效果，该平台包含55个真实AI开发任务。实验结果显示，Agent-as-a-Judge在多个评估指标上均优于现有的LLM-as-a-Judge框架，尤其是在任务依赖关系评估中表现出色。
来源：https://mp.weixin.qq.com/s/z48LtC7FhO0T6FgsDvizfw