AI 评测、Benchmark、Agent 实验、论文与生活记录。https://alexifeng-blog.pages.dev/https://alexifeng-blog.pages.dev/blog/agent-eval-experiment-demo/https://alexifeng-blog.pages.dev/blog/agent-eval-experiment-demo/用一个合成的 Agent 评测实验，展示观察、假设、实验与分析如何写成可复现的研究笔记。Sun, 19 Jul 2026 00:00:00 GMThttps://alexifeng-blog.pages.dev/blog/hello/https://alexifeng-blog.pages.dev/blog/hello/关于评测、研究笔记与日常思考的一处写作空间。Sat, 18 Jul 2026 00:00:00 GMT