Đánh giá Agent qua Trajectory, không chỉ đáp án cuối
Agent chạy scenario → harness chấm cả tool-call path lẫn đáp án cuối
Phím tắt: ←/→ từng bước · Space tự chạy/tạm dừng
Agent chạy scenario → harness chấm cả tool-call path lẫn đáp án cuối
Phím tắt: ←/→ từng bước · Space tự chạy/tạm dừng