教程｜用 arXiv 2606.07379 CapCode 思路做 Agent 评估

变体生成: 同义改写,换数据,换上下文
Judge 模型: 独立于 Agent 的 LLM , 避免同谋
封顶值: 由人类专家标定 , 定期校准
检测作弊: 连续超封顶 触发人工 review

本教程演示如何用 arXiv 2606.07379 的 CapCode 思路做企业内部的 Agent 评估.