Agent Arena发布千万级智能体任务评测
精选理由
Agent Arena上线了千万级真实智能体任务排行榜，用因果追踪方法评估模型表现。
Agent Arena评测平台基于全球用户提供的数百万真实世界长期智能体任务。模型可使用网络搜索、文件系统和终端工具完成复杂工作流。该排行榜使用因果追踪方法，测量模型相对于平均模型的表现结果。评测结果可在arena.ai/leaderboard/ag查看。
原文 · lmarena.ai
In Agent Arena, we measure models on millions of real-world, long-horizon agentic tasks from a global community of users. Models can access web search, filesystem, and terminal tools to complete complex workflows. The leaderboard measures model performance on outcomes relative to the average model using a causal tracing methodology. See the Agent Arena leaderboard details at: arena.ai/leaderboard/ag… 💬 0 🔄 0 ❤️ 4 👀 1528 📊 1 ⚡