论文 · Papers2026-05-29 · Friday, May 29, 2026

A Unified Framework for the Evaluation of LLM Agentic Capabilities

它与 Harness-Bench 形成呼应：benchmark 分数混入 scaffold 和环境波动。统一框架的价值是解耦框架效应、环境效应和模型能力；风险是固定 ReAct 架构本身也会成为新的测量偏置。

–浏览

评论 · Comments