AI 功能与多步任务完成度评估要点梳理

AI 评估被梳理为功能评估与推理及任务完成度评估两个层面：前者考察模型是否遵循指令、产出预期输出、正确使用工具并完成工作流，后者考察多步问题求解、规划、工具选择与最终任务是否成功。该梳理强调应依据复杂任务的最终结果判断，而不是依赖模型的自我解释。