Agent评测

长上下文Agent如何验收：找到旧信息，不等于知道当前状态

Ai2的StateBench与Databricks的轨迹方案回答不同问题：前者测试模型能否沿变化链算出当前状态，后者帮助开发者看到实际执行过程。企业需要把能力测试与运行证据结合，而不是将长文可读当作长期记忆可靠。