IXThinker·2026-05-12 19:50

Agent評測新範式：動態任務與過程追蹤

AI代理正愈來愈像「能幹活的數字員工」，能調用API、查資料庫、寫郵件、改程式碼。新的Claw-Eval-Live評測框架提出「活的」基準概念，以實時訊號與動態任務檢驗代理是否真的完成任務。

靜態題庫的局限

傳統評測依賴固定題庫，難以緊貼企業真實工作流程的變化。當任務集合與現實脫節，測得的分數未必反映代理在實際場景中的能力，評測體系正面臨更新壓力。