待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
GPT-5.6三档模型解析：Sol/Terra/Luna重写Agent成本结构
bilibiliTerminator-AI2026/7/10
相关事实
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83% 相似待验证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79% 相似待验证Key capabilities of Autonomous Agents include Tool Use, Memory Management (short-term and long-term), and Self-Reflection for evaluating and correcting execution strategies.75% 相似待验证Agent由Planning模块、工具集、短期与长期记忆构成，最终输出Action指令完成调用75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/501596API
curl https://kongchang.com/api/v1/knowledge/claims/501596MCP
get_claim(id=501596)