评估系统
围绕任务定义、运行轨迹、失败分类与指标解释，探索更清晰、可检查的模型与智能体评估方式。
Evaluation
Reliability
Practice Directions
三个实践方向
数据与复现
关注数据来源、实验配置、运行条件和结果记录，让研究过程更容易复查、比较与复现。
Data
Reproducibility
研究工作流
连接论文阅读、问题拆解、实验执行和阶段复盘，减少研究信息在不同工具之间的损耗。
Workflow
Knowledge
Open Record
从可核验的公开记录开始
代码与实践材料完成整理后会逐步进入公开仓库；在此之前，这一页只描述方向，不替代真实成果记录。