TraceTrial-Bench评测智能体框架可靠性

TraceLite AI联合中科院自动化所、清华、北理工等机构发布TraceTrial-Bench基准，用于评测智能体Agent Harness的可靠性并诊断故障原因。基准包含95个专家级机制任务，通过轨迹追踪和故障归因，定位不同框架设计中的失败根源。 该基准将智能体框架的可靠性拆分为上下文、执行、治理、生命周期、可观测性、工具和验证七个组件，以细分方式检验各环节表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。