OpenAI 发布 Evals 最佳实践指南

OpenAI 发布 Evals 最佳实践指南，讲解如何为 LLM 应用设计评估，并宣布 Evals 平台将于 2026 年 10 月 31 日对现有用户转为只读、11 月 30 日关停。指南覆盖从单轮交互到多智能体四种架构中非确定性出现的环节，给出指标型评估、人工评估和 LLM-as-a-judge 的取舍建议，并提醒用 gpt-6-astra 构建 LLM 评审时需先与人工标注校验一致性。