outcome-based-evaluation

대화 문장의 자연스러움이나 정확성 대신 에이전트가 외부 시스템에서 의도한 작업을 수행했는지, 필요한 상태 변경을 남겼는지 측정하는 평가 방식입니다. 허용된 도구 호출과 최종 상태, 부수적 변경 여부를 함께 검사합니다.