#Agent Evaluation 3 篇
论文精读 04｜AgentBench：从答案评测走向环境交互评测
论文档案 项目 内容 论文 AgentBench: Evaluating LLMs as Agents 作者 Xiao Liu 等 发表 ICLR 2024 原文 OpenReview / arXiv 代码 T…
Agent Harness 04：评测、复现与安全
评测对象是整个闭环 Agent 的结果由至少五个变量共同决定： Y=f(model,harness,task,environment,randomness)Y=f(\text{model},\text{harness},\text{task…
Agent Harness 02：论文谱系、阅读路线与单篇精读索引
这组论文在研究什么 Agent Harness 不是单篇论文定义出的封闭方向。它由四条研究线汇合而成： flowchart LR A[控制策略<br>ReAct / Reflexion] --> E[Agent Harness…