● 面向智能导购的 Agent 评测实践

📌 一句话摘要 本文提出一套面向家居导购 Agent 的自动化评估链路，基于结构化多维度 Benchmark 和 LLM-as-a-judge 实现 91.9% 准确率的自动评分，并量化对比发现 gpt51 最优，较线上模型 qwen3-vl 提升 16.4%。 📝 详细摘要 本文来自大淘宝技术