标签: 评估框架

AgentBench 全景解析：LLM Agent 评估框架的深度对比与实践指南

2026-03-07

深入解析主流 Agent 评估框架：AgentBench、SWE-bench、OSWorld、WebShop、ALFWorld、VisualAgentBench、GAIA。从评估哲学维度对比框架差异，把握 Agent 评估的核心争议与前沿方向。