Agent基准评测三维框架
subinium · x · 2026-07-10
这条帖子认为，**Agent benchmark evaluation** 未来会越来越重要，并指出判断“好 benchmark”的三个实用维度： - **Environment Complexity**：环境本身有多复杂 - **Autonomous Horizon**：智能体需要自主运行多长时间 - **Output Complexity**：最终输出有多复杂 作者还补充了一个自己一直在思考的“**时间相关轴**”，包括污染（contamination）、题目是否会随着时间失去相关性，以及未来能否检测这类信号。帖子最后提到，@fredsala 的演讲和一些建议帮助他进一步理清了这些问题。