Agent Eval Console

新建评测

Oracle 用于验证环境；OpenAI-compatible 用于测试真实模型。

通过率—Pass rate

平均得分—Average score

Pass@k—至少一次通过

工具调用—平均调用次数

评测记录

尚无运行

选择测试集后显示运行记录

Trial 输出

选择一条评测记录

这里会显示模型输出与评分