799个印度零售银行案例从安全、上下文、账户选择和工具执行等阶段评测助手可靠性。
推荐理由：它突破只看最终回复的评测方式，能捕捉选错账户、使用过期上下文以及“说对却写错”等操作风险；这更接近银行智能体真实上线的审计需求。
阅读原文