Agent Evaluation Skill

分享海报

@user_d0deb03a/agent-evaluation-skill

基于OSWorld2.0、LoHoSearch等前沿论文与Google DeepMind SkillBench方法论构建的智能体全方位评测框架，覆盖轨迹质量、状态管理、验证行为、难度构造四大核心维度，提供可执行的评估Harness设计、评分细则、反作弊机制与消融实验方法。