Kaggle 联合 Eigent 发布 AgenticRL-Bench 考验编码 Agent 排障
dejavucoder · x · 2026-11-20
Kaggle 与 EigentAI 合作发布 AgenticRL-Bench,评测编码 Agent 能否诊断并修复 agentic RL 技术栈(Miles、slime、verl、SGLang、Megatron、Harbor)中的真实事故。
- 基于真实的 post-training RL 任务构建,Kaggle 排行榜对其中 19 个可验证任务打分;
- 任务涵盖 Verl Upgrade Gate、负载下的奖励确定性、Trial 故障归因、SQL 部分得分漏洞等真实工程场景;
- 每个任务所有隐藏检查全部通过才算过关,每个 Agent 每任务有 3 次尝试机会,由 Kaggle 在 Modal 上运行。
「编程与Agent」频道最新
- Mnemos 记忆实测细节:三组对照 65%/41%/42% 全面碾压原生记忆 — RileyRalmuto · 2026-11-20
- 独立开发者开源 Mnemos:记忆召回率两倍于 Claude Code 原生记忆 — RileyRalmuto · 2026-11-20
- Suno MCP 开放:在 ChatGPT 与 Claude 里直接生成原创歌曲 — heyshrutimishra · 2026-11-20
- OpenAI 教程:ChatGPT 接入团队数据与自定义 MCP 服务器 — OpenAI · 2026-11-20
- OtterKit 一条命令把本地 MCP 服务器变公开 URL 免部署测试 — Conscious-Return-183 · 2026-11-20
- Andrew Carr:被 Antigravity 移动端 PWA 坑到床上躺着跑 agent 写码 — andrew_n_carr · 2026-11-20