斯坦福课程拆解Agent评测设计

课程系统讲解Agent任务定义、运行规则及可信评分的设计原则。

推荐理由：内容把Agent基准拆成任务定义与执行规则，并强调难度、真实性、可运行性及可复现性之间的权衡，直接回应当前评测分数失真问题。