EdgeBench：字节开源的长时序AI智能体评测基准，支持12小时迭代闭环打分 EdgeBench是字节跳动Seed开源的长周期AI智能体评测基准，配套SForge双容器隔离评测引擎，支持12小时迭代式测试，包含134项真实工业任务，用于大模型、自主智能体能力标准化... 2周前 AI新闻 90
PawBench：阿里通义开源的全链路AI智能体自动化评测基准 PawBench是通义实验室AgentScope团队开源的全链路AI智能体评测基准，采用模型+框架+任务三维评测体系，内置海量标准化测试用例，支持多主流大模型与智能体框架接入，具备自... 1个月前 AI新闻 185
