一个较新的自动化评估基准集合，侧重于代理式任务与真实工作流中的多步骤操作，强调端到端完成度。
AlexBench 是一个侧重代理式任务与真实工作流的自动化评估集合，强调端到端完成度，对测试框架依赖明显。