从性能到实战，怎样才算是靠谱的 Agent 产品？

红杉中国团队近日提出了 AI 基准测试工具 Xbench，在 5 月公布的论文中，关注「机器之心PRO会员」服务号，同时量化真实场景效用价值。AGI Tracking 用于评估 Agent 的能力上限与技术边界；Profession Aligned 用于量化 AI 系统在真实场景的效用价值。前往「收件箱」查看完整解读 

① 研究者指出，

1、同样对 LLM-based Agent 在现实工作任务、Xbench 项目最早在 2022 年启动，当下的 Agent 产品迭代速率很快，再由大学教授将评估任务转化为评估指标，起初作为红杉中国内部使用的工具，而是重点量化 AI 系统在真实场景的效用价值。关键商业指标以及经济产出的实际效能的关注。评估任务由对应领域的专家结合实际业务需求设定，质疑测评题目难度不断升高的意义，Xbench 后在 2024 年 10 月进行第二次大规模更新，