agentic-evals

AI 모델이 단순히 텍스트를 생성하는 것을 넘어, 실제 환경에서 코드를 작성하고 실행하며 도구를 사용하는 능력을 측정하는 평가 방식이다. 정적 벤치마크와 달리 실행 환경(런타임)의 자원과 설정이 결과에 직접적인 영향을 미친다.