GAIA评估报告
生成时间: 2025-10-11 01:26:48
📊 评估概览
- 智能体: TestAgent
- 难度级别: 1
- 总样本数: 2
- 精确匹配数: 1
- 部分匹配数: 1
- 精确匹配率: 50.00%
- 部分匹配率: 50.00%
📈 详细指标
分级准确率
- Level 1: 50.00% 精确 / 50.00% 部分 (1/2)
📝 样本详情（前10个）
| 任务ID | 级别 | 预测答案 | 正确答案 | 精确匹配 | 部分匹配 |
|---|---|---|---|---|---|
| e1fc63a2-da7a-432f-be78-7c4a95598703 | 1 | 24000 | 17 | ❌ | ❌ |
| 8e867cd7-cff9-4e6c-867a-ff5ddc2550be | 1 | 3 | 3 | ✅ | ✅ |
📊 准确率可视化
精确匹配: █████████████████████████░░░░░░░░░░░░░░░░░░░░░░░░░ 50.00%
部分匹配: █████████████████████████░░░░░░░░░░░░░░░░░░░░░░░░░ 50.00%💡 建议
- ⚠️ 表现一般，需要改进。
- 💡 建议检查工具使用和多步推理能力。