https://inkeast.github.io/MessageDaily/tags/ai%E8%AF%84%E6%B5%8B/Recent content in AI评测 on MessageDailyHugozh-cnThu, 05 Nov 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-11-05-eval-economics-routing-energy-instruments-quintet-paper-reading/Thu, 05 Nov 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-11-05-eval-economics-routing-energy-instruments-quintet-paper-reading/当 Agent 评测从单一 accuracy 走向质量、成本、能耗与可信的多维权衡，我们究竟在测什么？本篇精读五篇研究：Route Anything 构建全模态路由矩阵，逐输入 oracle 比最佳固定候选高 5.4 分、路由平均提效 8.82 倍；Joules-to-GDP 提出每焦耳净价值指标，省能模型以 23% 能耗产出 56% 经济价值；Silent Instrument Errors 审计排行榜四类静默仪器错误；Artifact-to-Capability 给出能力形成断裂反例；Skills Evolve 用 84,200 个技能的 commit 史揭示验证组件被忽视。