arXiv cs.AI· Zhengxi Li, Junyi Zhou, Qiyuan Zhang, Chuhan Wu, Fuyuan Lyu, Le Tian, Xiao Zhou, Chen Ma, Yufei Wang·· 8 小时前AI 评分31
SkillForgeBench：基于 Agent 技能规范的智能体可靠性评测基准
SkillForgeBench: Evaluating Agent Reliability Grounded in Agent Skill Specifications
AI 导读
研究团队提出 SkillForgeBench，用 agent skills 作为统一执行蓝图，构建覆盖五大专业领域的 842 个沙箱任务，评测八个主流智能体的可靠性。
来源：arXiv cs.AI · arxiv.org