现场服务智能体评测数据集公开

field-service-agent-bench 公开了一套现场服务故障排查评测项目，包含30个合成、非运行性案例及结构化评分工具，覆盖电气、冷却、气动、润滑、仪器、兼容性和授权决策七类任务。 项目默认可在不调用模型、无需API密钥且不产生付费API费用的情况下运行；正式评测时需将默认的标签感知“预言机”提供商替换为自有智能体。项目是独立的数据集与评分工具，并非对 promptfoo 的改动；案例标签仅用于本地评分，不应加入智能体提示词。

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。