25Cloud推出技能增益校正基准

25Cloud 提出并开源 UpliftBench，通过 baseline、placebo 和 treatment 三臂对照，校正安慰剂效应后评估 Agent Skills 的实际增益；其文件读取工具无需 API 密钥、模型调用或费用，但完整测量仍需任务集、模型及相应成本。 基准支持两种技能加载方式：默认的 activation auto 由 Agent 决定是否加载，forced 则直接注入技能正文，并让 placebo 组使用等 token 的中性替代内容，以减少额外上下文带来的影响。

AI 根据报道生成 · 35 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。