精选理由
做 AI 智能体评估或选型的团队终于有了基于真实使用数据的排行榜，比传统基准测试更贴近实际效果，值得关注。
LMSYS 推出 Agent Arena，一个基于真实用户交互的智能体能力排行榜。该排行榜通过因果追踪方法，分析智能体在竞争情报、市场分析、科研等深度研究任务中的表现。排行榜依据五个行为信号（确认成功、表扬/投诉、可操控性、故障恢复、工具幻觉）动态更新。用户每次使用 Agent Mode 的会话都会影响排名，使评估更贴近实际使用场景。
AI 翻译 · 中文
LMSYS 推出 Agent Arena，一个基于真实用户交互的智能体能力排行榜。该排行榜通过因果追踪方法，分析智能体在竞争情报、市场分析、科研等深度研究任务中的表现。排行榜依据五个行为信号（确认成功、表扬/投诉、可操控性、故障恢复、工具幻觉）动态更新。用户每次使用 Agent Mode 的会话都会影响排名，使评估更贴近实际使用场景。
ICYMI: Agentic AI is now measured in the Arena. Agent Mode can handle deep research around competitive intelligence, market sizing & opportunity analysis, scientific & medical research and more. Every session sha…