WolfBench 提出五维指标重新定义智能体评测

针对当前 AI Agent 评测缺乏标准基准的现状，WolfBench 提出了一套全新的评测框架。基于 Terminal-Bench 2.0，该榜单引入了五个维度的指标，指出单一的平均分不足以反映模型的真实能力。此举旨在弥补现有排行榜未能及时收录新工具的缺陷。

2026-08-09 ~ 2026-08-10 · 2 条相关

• 开发者探讨：AI Agent 评测缺乏标准基准 — iScienceLuvr · 2026-08-09
• WolfBench：重新定义智能体评测的五维指标 — morgymcg · 2026-08-10