搜索开放度全部开放度开放需申请闭集未知可信级别全部可信级别S · 高可信A · 已审核B · 待确认应用筛选

共 48 个 benchmark

排序:热度增速下载量Stars被引最新名称

Benchmark	测评分类	可信级别	开放	热度	下载(30d)	Stars	被引
GateMem · rzhub	智能体工具调用	B待确认		8.4	—	154	—
ScienceBoard · OS-Copilot	智能体工具调用	B待确认		8.2	—	137	—
AgentKernelArena · AMD-AGI	智能体工具调用	B待确认		7.9	—	112	—
DOUBLE_ENTRY_LOGGING_FOR_LLM_AGENTS_TO_DETECT_ISSUES_AT_PROD_BENCHMARK · samliumay	智能体工具调用	B待确认		5.7	17	—	—
vizdoom-llm-inverse-dynamics-benchmark · HiggsBoson	智能体环境控制	B待确认		4.7	10	—	—
Terminal-Bench · Stanford 等	智能体环境控制	S高可信		0.0	—	—	—
terminal-bench-1 · harbor-framework	智能体环境控制	B待确认		0.0	—	—	—
trajrl-bench · trajectoryRL	智能体环境控制	B待确认		0.0	—	—	—
VLABench · OpenMOSS	智能体机器人	B待确认		0.0	—	—	—
EmbodiedBench · EmbodiedBench	智能体机器人	B待确认		0.0	—	—	—
BFCL (Berkeley Function Calling) · UC Berkeley	智能体工具调用	S高可信		0.0	—	—	—
AgentBench · THUDM	智能体工具调用	B待确认		0.0	—	—	—
TwinRouterBench · CommonstackAI	智能体工具调用	B待确认		0.0	—	—	—
AutomationBench · zapier	智能体工具调用	B待确认		0.0	—	—	—
merchantbench · KhanCold	智能体工具调用	B待确认		0.0	—	—	—
MobilityBench · AMAP-ML	智能体工具调用	B待确认		0.0	—	—	—
people-search-bench · LessieAI	智能体工具调用	B待确认		0.0	—	—	—
AgentRE-Bench · agentrebench	智能体工具调用	B待确认		0.0	—	—	—
LiveMCPBench · icip-cas	智能体工具调用	B待确认		0.0	—	—	—
silicon-rider-bench · KCORES	智能体工具调用	B待确认		0.0	—	—	—
VibeSearchBench · VibeBench	智能体网页导航	B待确认		0.0	—	—	—
BrowseComp-Plus BrowseComp· texttron	智能体网页导航	B待确认		0.0	—	—	—
Mind2Web-2 · OSU-NLP-Group	智能体网页导航	B待确认		0.0	—	—	—

第 2 / 2 页

上一页下一页