开放世界中缺少明确 Ground Truth 时，如何评估 Agent 自进化并获得 Proxy Rewards？

agent自进化最后的产物第一你的提取的一个标准是怎样？然后第二个是提取的一个提取的内容的一个质量的一个好坏，你们是怎样评估的？

二面这里不像是一个面试更像是技术交流主要是自进化相关如何eval 如何获得proxy rewards，在开放世界和项目如何获得这些而不是有清晰可验证的benchmark的情况。