从性能到实战，怎样才算是靠谱的 Agent 产品？

]article_adlist-->

① Xbench 缘起于 2022 年底 ChatGPT 发布，再由大学教授将评估任务转化为评估指标，并设计了基于基于项目反应理论的长青评估机制，前往「收件箱」查看完整解读