Agent评估：以交付与最终状态验收
区分任务、试次、产物和轨迹；以明确目标与可通过参考解校准验收。
原文位置：The structure of an evaluation；grader类型；任务设计
不能据此推出：方法建议不是某领域能力试验；模型裁判需独立校准。
核查 2026-10-19 · 所属资料版本 2026-10-21.workunits.2 · 来源ID WU-EVAL
实际引用在哪里
约束内功能交付：从行为契约到真实系统变更 →
支持最终状态和多条有效路径验收。
关系：方法依据
组成变化诊断：拆清总体变化来自哪里 →
支持独立验收与允许等价实现。
关系：方法依据
交易对账：算清净额并解释异常 →
用最终产物、关键负例与独立参考校准验收。
关系：按该任务说明
来源化研究备忘录：事实、假设与反证可追溯 →
开放产物可按明确标准与专家校准验收。
关系：按该任务说明