Agent 评测框架 TRACES 上线:考察实时执行而非对答案
SucceededMind · x · 2026-09-05
由 Apodex AI 推出、与陈天桥神经科学研究背景相关的评测框架 TRACES 宣称「静态基准时代已过去」:不再拿最终输出对隐藏答案,而是评估 agent 的整个执行回路,包括:
- 工具选择与严格工具执行
- 动态错误修复
- 长上下文中维持逻辑状态
- 竞争假设的权衡
- 证据可溯源与结论边界划得是否准确
一个数字正确但未声明总体、缺分母的推理结果仍判失败,因为别人无法复现。现在已开放系统提交测试。
所属事件:Apodex 发布 TRACES 基准：评测 AI 探索未知的能力(9 条相关)→
「编程与Agent」频道最新
- Nous Research Hermes 接入 Cua Spaces,开源模型也能操控电脑 — alexcovo_eth · 2026-10-21
- Slingshots 四期项目 Headlong：专为持久化 Agent 打造的微 Harness — lateinteraction · 2026-10-21
- Laude 研究院 Slingshots 四期发布：14 个开源项目押注 Agent Harness 与全开放模型 — lateinteraction · 2026-10-21
- Skills/MCP/RAG/Memory 一张图分清：agent 四类知识机制各管什么 — MaryamMiradi · 2026-10-21
- 客服拒与 AI 对话，用户的 agent 隐瞒身份继续维权 Xfinity — MoonL88537 · 2026-10-21
- Every.to《Codex 是如何诞生的》公开采访原文供读者用 agent 核查 — every · 2026-10-21