1 含有标签「simulation」

用于多轮 Agent 评估的合成用户：当你的测试固件需要“反击”时

单轮评估往往会忽略那些关键的多轮失败模式。具备人格、耐心预算和放弃阈值的 LLM 驱动用户模拟器每晚可以运行数千次对话 —— 但前提是模拟器与生产环境之间的差距是经过校准的，而非臆断。