商傳媒｜林昭衡／綜合外電報導
輝達（NVIDIA）日前發布一篇技術部落格文章，針對人工智慧（AI）領域中，模型（model）與代理（agent）的評估方式提出關鍵區別，並向開發者分享五項實用技巧。文章強調，評估AI代理的重點應放在其在動態環境下完成實際工作流程的表現，而非僅專注於底層模型的能力分數。
傳統的模型評估主要測試基礎模型（例如大型語言模型LLM或視覺語言模型VLM）的獨立能力，像是其語言理解、指令遵循或在靜態任務上解決問題的表現。這類評估通常依賴MMLU（通用知識）、GSM8K（數學推理）和HumanEval（程式編寫能力）等基準測試，旨在回答「這個引擎是否足以理解指令並進行事實推理？」
然而，AI代理的評估則將重點轉移至端到端（end-to-end）的執行軌跡，也就是代理進行推理、呼叫工具、處理不確定性並在動態環境中完成真實工作流程的整個過程。即使底層模型表現優異，代理仍可能因對應用程式介面（API）結構產生幻覺或在搜尋失敗後陷入無限循環而失效。因此，代理評估會採用GAIA（真實世界協助）、SWE-bench（GitHub問題解決）和WebArena（網路任務執行）等基準測試，測量任務成功率（Task Success Rate, TSR）、工具呼叫準確性（Tool Call Accuracy）和軌跡效率（Trajectory Efficiency），以回答「這個系統能否在非確定性環境中可靠執行多步驟工作流程？」
輝達文章為開發者提出了五個評估AI代理的實用建議：
衡量任務成功而非僅準確性 ：傳統模型基準測試僅顯示代理基礎模型的能力，無法反映其在實際應用中的任務完成度。應將任務定義為意圖與限制的組合，並在代理完全達成意圖且符合限制時，才計為任務成功。同時需追蹤在正常、工具降級或模糊指令等不同情境下的任務成功率。
評估完整執行軌跡 ：兩個代理即使輸出相同結果，其內部行為可能截然不同。應記錄代理的完整軌跡，包括規劃、子目標、所有工具呼叫、參數、回應、中間推理步驟及最終結果。透過分析軌跡效率、工具呼叫準確性和故障模式分佈，可更全面理解代理表現。
將工具使用視為關鍵信號 ：代理在生產環境中的成敗，往往取決於其如何使用API、資料庫或搜尋工具。開發者應為每個評估任務指定預期的工具行為，例如允許或必須使用的工具、每個工具的最大呼叫次數，以及預期的結構。衡量工具選擇的精確度和召回率，以及結構遵循性，可揭示代理是否產生幻覺或過度使用耗時工具。
評分推理品質與效率 ：即使答案正確，若推理過程混亂或步驟過多，將導致運算資源浪費。應捕捉推理軌跡並定期評估其健全性，確保推理過程有使用擷取到的證據。此外，追蹤每個成功任務的符記（tokens）使用量、工具呼叫次數和端到端延遲，並設定明確的預算限制（例如「95%的任務在N個符記和M次工具呼叫內完成」），以優化提示、路由或重試策略。
從開發初期建立透明且可自訂的評估機制 ：評估應從代理設計階段就融入，而非事後補強。應記錄每一個計畫、工具呼叫和關鍵推理步驟，並附上穩定編號以便重建軌跡。同時，為軌跡貼上標籤（成功/失敗、錯誤類型、人類評分），並支援全域及特定使用情境的衡量指標。這可將評估轉化為日常開發工具，及早發現改進機會或潛在漏洞。
輝達指出，可靠的AI代理系統需將評估重心從靜態模型基準測試，轉向反映代理在真實環境中行為的動態、軌跡感知型指標。旗下的NVIDIA NeMo Agent Toolkit便旨在協助開發者無須大幅重構，即可輕鬆整合評估、優化與可觀察性，以實現評估驅動的開發循環。
《圖說》中和分局交通分隊副分隊長朱堅說明案由。〈中和分局提供〉 【記者葉柏成／新北報導】新北市中和區景平路昨〈31〉日晚間發生一起公車擦撞路旁擦撞7部停放機車交通事故，中和警分局獲報後立即派遣員警趕赴現場處理，所幸事故未造成任何人員傷亡。 中和分局表示，昨晚22時許接獲110報案，指稱景平路往連城路方向發生交通事故。員警到場了解後發現，62歲謝姓男子駕駛民營公車沿景平路行駛，行經事故地點時，因不明原因車輛方向盤向右偏移，進而碰撞停放於路旁機車格內的7部機車，造成車輛受損。 中和分局交通分隊副分隊長朱堅銘指出，獲報後迅速到場處置，謝姓駕駛及車上約20名乘客均未受傷，現場無人送醫。經警方對謝男實施酒測，酒測值為0，已排除酒後駕車情形。 《圖說》中和區景平路昨晚間公車擦撞路旁7部停放機車交通事故現場。〈中和分局提供〉 員警除進行交通疏導外，並依規定完成現場測繪、蒐證及相關談話紀錄製作，以釐清事故發生原因。後續將調閱及檢視行車紀錄器畫面，作為交通事故初步分析研判依據。 中和警分局呼籲駕駛人行車時應隨時注意車前狀況及保持安全駕駛習慣，如遇身體不適或精神狀況不佳，應避免勉強駕車，以維護自身及其他用路人安全。
企業代理平台競爭升級！Kore.ai推出Artemis架構，Agent開發時間壓縮至數天 【記者蔡富丞/柯妮妮 綜合報導】企業智慧代理市場持續升溫。企業平台公司 Kore.ai 近期正式發布全新 Artemis Agent Platform，成為近期國際AI軟體與企業框架市場的重要焦點。公司希望利用新架構協助企業更快速建立、部署與管理智慧代理系統，進一步搶攻企業工作流市場。 Kore.ai表示，Artemis最大特色在於利用AI協助建立AI代理，大幅減少企業開發時間。過去建立大型代理系統可能需要數月工程整合，如今企業可透過平台快速完成代理設計、工作流設定與系統治理。市場人士指出，企業需求已逐漸從聊天介面轉向長流程任務執行，也讓Agent平台市場快速成長。 此次更新也反映科技產業競爭重點正在改變。未來企業不再只重視模型能力，而更在意平台是否能整合內部系統、資料與工作流程。隨著大型企業加速部署智慧代理，Agent平台市場競爭預計仍將持續升溫。
圖片來源：網路 報新聞/東京訊 NAA集團定位成田機場為推廣地域魅力與在地內容的據點，並落實「將零變為正值」的全新地域商業模式。官方宣布將於2026年6月26日，在第2航廈聯絡通道2樓管制區內，正式開設與千葉縣內為主等各釀酒廠合作的精釀啤酒專門咖啡廳「NRT BEER FLIGHT CAFE」。 【從地方創生出發！獲獎陣容與永續設計思維正式曝光】 機場獨家生啤酒：店內將作為首家常設店鋪，正式銷售成田機場原創精釀啤酒「成田機場艾爾」。該款生啤酒甫榮獲日本食品評選最高榮譽大獎，也是國內外競賽的獲獎常客。 巡禮般之旅體驗：現場集結全日本機場最大規模的20款精釀啤酒，營造宛如巡禮日本各地釀酒廠的感官旅程。 永續環保試飲組合：店名冠上的「BEER FLIGHT」為主打一次少量品嚐多款風味的試飲風格。本店試飲所使用的特製托盤，全面採用成田機場擴建工程中產生的伐採木材再利用製作而成。 圖片來源：網路 圖片來源：網路 具備事業性與地區貢獻的精釀啤酒專門店，將伴隨在地嶄新價值重磅登場。
