PACE: A Proxy for Agentic Capability Evaluation

PACE 试图用更便宜的非 agentic 能力测试预测昂贵 agent benchmark 的结果，目标包括 SWE-Bench、GAIA 这类需要长轨迹和环境验证的评测。关键事实是它把模型筛选前置为 proxy evaluation，减少每次都运行完整 agent benchmark 的成本。这个方向适合评测工程，因为 agent benchmark 的价格、时延和不稳定性正在成为模型迭代的现实瓶颈。