深度分析 以 Soft Tournament Equilibrium 與 BTL 模型定義代理人集合核心的評估框架 隨著大型語言模型驅動的通用 AI 代理人崛起，傳統排名難以處理非傳遞互動。本文提出 Soft Tournament Equilibrium（STE），以可微分的方式從成對比較學習集合式核心，如 Top Cycle 與 Uncovered Set，並提供每個代理人的核心屬性分數。實驗與理論證明 STE 能產生更穩健且具解釋性的評估結果。
