SkillsBench 获 NeurIPS 2026 收录：87 任务实测 Agent Skills 真实效果
HanchungLee · x · 2026-09-25
SkillsBench 被 NeurIPS 2026 Evaluations and Datasets Track 接收为 poster。该基准旨在回答「Agent Skills 到底能否提升性能」：- 覆盖 8 个领域共 87 个任务，配有精选 Skills 包与确定性验证器；- 评测设计为 matched no-Skills vs curated-Skills 对照，可量化 Skills 带来的增益；- 动机：Agent Skills 作为推理时注入 LLM 智能体的结构化程序性知识被快速采用，但此前缺乏统一衡量标准；- 论文由 Dawn Song、Han-chung Lee 等 76 位作者合作完成。
「编程与Agent」频道最新
- Agent 工厂五大常见错误：微观管理、缺质量标准与「提线木偶戏」 — hugobowne · 2026-09-25
- 31 个 Claude Code 技能目录开源，专注解决 AI 编程的测试验证难题 — doodlestein · 2026-09-25
- 研究者提出人机协作实验循环:AI 出方案、人类执行、全程可观测纠错 — suragnair · 2026-09-25
- SEO 工具 CrawlRaven 上线 60 天获 700 用户，目标再增 2000 — ayushtweetshere · 2026-09-25
- 用「可验证任务+全程轨迹奖励」做 RL 数据生成，就能提升 LLM 推理与编码 — suragnair · 2026-09-25
- 11 月 1 日办形式化验证黑客松：让普通程序员给游戏和 AI Agent 上形式验证 — xennygrimmato_ · 2026-09-25