Loading...
🎯
AgentBench(AgentBench)
最初的 AgentBench 研究在 8 个多样化环境以及多轮、开放式设置中评估了其公布的模型阵容。
复杂度: high评估与监控
In 30 seconds
- What
- 让代理在八种不同环境（SQL、游戏、网页、操作系统）中进行多轮交互，衡量其跨领域的真实能力。
- When to use
- 比较不同代理模型，或验证你的代理能否处理超出单一领域基准的多样化开放式任务。
- Watch out
- 复杂度和算力开销都很高；结果未必能迁移到你的具体用例或自定义环境。
Loading technique guide…