BTS-AgentBench：遥测日志编译Agent基准

Jeong-Yoon Kim 与 Tae-Yoon Lee 发布论文，提出 BTS-AgentBench——一个确定性编译器，将只读遥测与设备元数据转换为带工具的多轮智能体任务、阶段级目标、证据和可执行评测契约。 据论文称，BTS 版本包含九类共 532 个 episode，第二个语料库移植产生 204 个 XAI4HEAT episode；冻结输入回放可逐字节复现发布产物，独立原始源检查覆盖全部 89 个 BTS 与 41 个 XAI4HEAT 测试 episode。代码、已发布基准与复现说明均已公开。上述复现与覆盖结论来自论文自述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。