开源智能体行为基线评测工具
热点事件持续更新
开源智能体行为基线评测工具
1 篇报道1 个报道来源51 分钟前更新
先了解这件事
AI 综述
GitHub 用户 cengcengcai-creator 开源 agent-behavior-baseline，用固定评测套件、追踪表、真实任务、记忆检索基线和遵循性评测，判断智能体在变更后行为是否改善。 该工具要求检查项 ID 固定、基线冻结，并以命中数除以基数报告结果；仅依赖 Python 标准库，采用 MIT 许可证。项目明确不用于模型横向对比，也不能证明智能体的安全性，样本少于 10 个时仅视为个案。
AI 根据报道生成 · 36 分钟前更新
最新进展11月7日 22:58
agent-behavior-baseline：用数据评估智能体行为是否变好报道时间线
沿着报道，了解事件的不同侧面。
11月7日
- GitHub 新星仓库agent-behavior-baseline：用数据评估智能体行为是否变好
agent-behavior-baseline 是一套判断智能体在变更后是否真正变好的 AgentSkill，包含追踪表、固定评测套件、真实任务、记忆检索基线和遵循性评测。它区分环境冒烟测试与模型行为质量，要求检查项 ID 固定、基线冻结，并以命中数除以基数报告结果。它仅依赖 Python 标准库，采用 MIT 许可证，明确不做模型横向对比，也不以评测结果证明安全性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。