专题：data-sets

本文为AI代理评估提供了一套系统性准备清单，涵盖手动审查、评估级别选择、数据集构建等关键步骤。强调通过跟踪记录建立基准，区分能力与回归评估，并确保评估的可解释性与针对性。适用于开发者和研究人员构建和优化代理评估体系。