评测与持续优化

flowchart TD
  A["观察回答"] --> B["提交反馈"]
  B --> C["审阅问题和上下文"]
  C --> D["修改数据、知识或智能体配置"]
  D --> E["再次运行代表性问题"]
  E --> A

反馈记录用户判断；问答管理支持审阅返回记录和可见处理状态；测试集针对符合条件的智能体重复运行纯文本问题，并生成任务记录和可下载结果。

当前测试集界面不定义期望答案、不对单个结果评分，也不自动比较多次运行。因此，评测结论仍需人工审阅或外部评测方法。