SolarBench：面向工业运维的Agent基准
ycombinator · x · 2026-07-19
Maingen 在工业运维场景上做了一个新的评测基准 **SolarBench**，目标是补齐传统 benchmark 很少覆盖的“真实工业操作”任务。 帖子强调，工业运维约占美国经济中的 **5T** 级别，但需要领域知识，所以过去的 benchmark 覆盖不足。作者和合作者花了大量时间跟太阳能运营人员在现场工作，把他们日常流程翻译成一个给 agent 用的“operations desk”。 SolarBench 会让 agent 跑完一个“为期一周”的值班流程，重点考察： - 冲突告警的分诊 - 多步骤库存规划 - 按期望收益做维护决策 这是一个更贴近真实工作流的工业 agent 评测，而不是普通静态题库。