Agent Bench

项目资料

维护主体

OAC 社区共建计划

主归属

安全与评测

资料核验

规划资料 / 未发布

实测状态

暂无本站公开实测报告

技术类型

OAC 共建规划

模块边界

评测围绕具体场景与可核查证据展开。模型表现、工具可用性和产品体验应分别记录，避免一个总分掩盖失败原因。

首版能力

建立任务输入、环境配置、预期结果和失败分类。记录任务完成率、恢复能力、记忆质量与审计覆盖，不预设尚未获得基线的阈值。

验证方式

在相同工具权限与预算下重复运行场景，保留版本、日志和结果。加入越权请求、工具超时、重复事件和上下文污染等边界样例。

规划交付物

• 场景定义与运行协议
• 可重复运行的评测脚本
• 失败分类和证据报告模板

生态关联与关系说明

按具体条目筛选关联，主题关联、官方支持、社区实测和规划接入分别展示。主题关联不构成兼容性验证。