待验证60% 置信事实精确时间
Agents' Last Exam是覆盖55个专业领域、模拟长时间运行专业工作流的评估体系
2
来源数
60%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
GPT-5.6三款新模型发布：Luna、Terra、Sol主打智能体长任务
rss2026/7/9
相关事实
待验证Agent's Last Exam 是专为评估大模型自主代理能力设计的高难度基准，要求多步骤任务中持续调用外部工具、维持长上下文记忆并自我修正79% 相似待验证Agent's Last Exam 是由 Scale AI 与学术界联合设计的 Agent 能力基准测试75% 相似已验证Agent评估的五维指标体系包括：诚（任务成功率）、快（执行效率）、省（成本控制）、稳（可靠性）、安全（风险防控）69% 相似待验证AB-620 考试涵盖三大领域：规划与配置 Agent 解决方案（30-35%）、集成与扩展 Agent（40-45%）、测试与管理 Agent（20-25%）。69% 相似待验证AgentPaySec将测试维度归纳为六个方向：授权控制、提示注入、支付完整性、交易篡改、工具滥用以及业务逻辑漏洞67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/497875API
curl https://kongchang.com/api/v1/knowledge/claims/497875MCP
get_claim(id=497875)