참고X
에이전트 벤치마크 표준화 시도: 'AgentSky' 등장
커스텀 환경에 의존하던 에이전트 평가를 표준화된 태스크와 도구로 비교하려는 시도. 에이전트 성능 측정 방식에 관심 있다면 참고할 만함.
원문 제목 @DataChaz: We've had model benchmarks for years. But Agent benchmarks are a different story. Everyone runs a custom agent setup, so every com
원문 보기 ↗