EvoHarnessBench 发布：评测智能体能否跟上持续演进的 harness
EVOHARNESSBENCH: Can Your Agents Keep Pace with an Evolving Harness?
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出 EvoHarnessBench，一个在可控 harness 演进下评测 LLM 智能体的基准，覆盖工具、技能和智能体三个维度，包含 802 个任务、520 个工具、42 个技能和 62 个智能体。
来源：Hugging Face Daily Papers · arxiv.org