标签： AgentBench

随着大语言模型（LLM）的快速发展，如何科学评估其能力成为业界核心命题。早期以MMLU为代表的静态知识评测框架已暴露出明显局限性，而新兴的AgentBench等动态评估体系则试图重构评测范式。这场评估标准演进背后，隐藏着技术路线之争与产业落地需求的深层博弈。 ...