NVIDIA 技术博客解析如何评估 AI Agent 从工具调用到任务完成

NVIDIA 技术博客讲解 AI Agent 评估如何从单次函数调用打分演进到端到端任务完成打分，指出 BFCL 只评单次调用而完整评估需要可执行环境和 trace 记录。