闭环智能体评估：分层测量与自校准

研究提出闭环评估方法，将已上线智能体的评估建模为有偏评分者与截尾结果下的性能估计，覆盖 span、trace、对话和参与四个分析层级，沿 Execution、Substance、Trajectory、Results 主轴测量，并以 Conduct 作为全程约束。