研究者发布TraceTrial-Bench评测智能体框架可靠性

Zhiyong Cao等作者提出并发布TraceTrial-Bench，用于评测AI智能体框架（harness）的可靠性并对故障进行归因。该基准将框架可靠性拆为上下文、执行、治理、生命周期、可观测性、工具、验证七个组件，构建95个专家级任务，并配套轨迹追踪与双层评估框架。 据作者介绍，推出该基准是为填补框架可靠性评测的空白；其实际区分效果尚待使用验证。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。