Google提出AI编程智能体行为评测方法

Google开发者博客提出用快速、本地的行为评测检查AI编程智能体的中间操作，并将其与端到端基准结合，持续发现和防止回归。

Google发布了一套面向AI编程智能体的行为评测方法，主张检查智能体执行过程中的可观察行为，而不只看最终任务是否完成。这类评测可像本地单元测试一样快速运行，用于捕捉工具调用、文件操作和策略选择中的回归。

Google将其定位为端到端基准的补充，并建议通过评测、迭代和防护的闭环持续改进智能体。该文章提供的是工程方法论，并非一项新的通用排行榜。