AI Stack

TAGS / TERM

智能体评估

共 4 篇

  1. UniClawBench：主动代理真实任务通用基准 2026-07-12 · ARXIV
  2. OpenAI 前沿评估团队探讨迈向智能体评估的下一阶段 2026-02-24 · BLOGS_PODCASTS
  3. OpenAI 推进智能体评估：SWE-Bench Verified 后续方向 2026-02-24 · BLOGS_PODCASTS
  4. OpenAI前沿评估团队：超越SWE-Bench Verified的智能体评估新阶段 2026-02-23 · BLOGS_PODCASTS