AgentEval：面向有状态智能体的证据约束评估系统

AgentEval 通过合同绑定的评估记录，区分智能体做了什么、证据支持什么以及结论是否仍适用于当前状态。基于论文摘要，系统在32个工具世界的独立检查中对30个完整回合的判断全部一致；48个证据视图的受控干预还暴露出仅做哈希检查会遗漏的36个约束故障。