SkillsBench

SkillsBench 是近期提出的基准，旨在系统评估智能体在多样化技能任务上的表现。它包含一系列需要组合多种技能（如推理、工具使用、规划）的任务，并提供标准化评估协议。该基准强调技能的迁移和泛化，帮助研究者诊断智能体的能力短板，推动更鲁棒、更通用的智能体发展。