推文

@vintcessun · 2026-10-17 13:58

学生条件变了，Agent 会调整保研方案，还是守着旧结论？ baoyan-agent-benchmark 把这个问题做成了评测：70 道中文任务里，13 道会在同一会话中补充信息，联合评价前后两轮回答；另有院校推荐、规划决策任务，附逐题评分标准。 值得关注的是，它评的是“执行系统＋模型”，不只是模型答题能力。不过各次运行的输入版本和预算并不完全统一，榜单不能当严格同条件对照。做垂直咨询 Agent，这套题比单看总分更值得研究。 https://github.com/yeyuxin777/baoyan-agent-benchmark

曝光 117 · 评论 1 · 点赞 2 · 书签 0 · 曝光/时 90.65844037218248