开发者 xeophon 吐槽 agent 评测反模式：小模型当裁判又塞满上下文

开发者 xeophon 指出，agent 评测中最常见的反模式是用小模型做 judge，同时往 prompt 里塞入过多上下文，这种组合会让评判结果不可靠。他认为这是 eval 工程中值得警惕的做法。