本研究提出AutoEval系统，旨在全自动化评估机器人学习中的策略，提升评估效率与质量，并与人工评估高度一致，促进广泛应用。

本研究提出了AutoEval框架，旨在解决移动代理评估的实用性和可扩展性问题。该框架实现了无需人工干预的自动测试，反馈性能，覆盖率达到93%，评估准确性为94%。