技术
智能体评测
智能体评测是系统评估AI智能体在复杂任务中表现的方法，涵盖任务完成度、效率与安全性等维度。
详细解释
随着大语言模型驱动的智能体兴起，传统评测无法衡量多步推理与工具使用能力。智能体评测通过构建模拟环境（如WebArena、AgentBench）设计多轮交互任务，从成功率、步骤效率、鲁棒性等指标量化智能体性能，推动其可靠落地。
别名与相关写法
智能体评测
相关术语
相关公司
相关资讯
Harbor适配器与索引：大规模智能体评测基础设施2026/9/7
arXiv 审计智能体评测中的行为检测器标签2026/10/23
ReLiveGym：长生命周期智能体评测环境2026/10/2
EmailBench：企业邮件智能体评测基准2026/9/29
CHASE：反事实引导的智能体评测框架演化2026/9/17
Eon企业基准：带精确真值的LLM智能体评测2026/9/10
SmartSalesBench 发布：首个抗拒绝多轮销售智能体评测基准2026/10/12
SciHorizon-eLab：科学具身智能体评测编译器2026/9/28