agent-eval-bench
輕量級 Agent 評測台：任務集 + k 次採樣 + Pass@k/Pass^k 雙口徑可靠性指標 + 評分器校準與失敗歸因。零依賴，clone 即跑。
agent-eval-bench 是什麼？
輕量級 Agent 評測台：任務集 + k 次採樣 + Pass@k/Pass^k 雙口徑可靠性指標 + 評分器校準與失敗歸因。零依賴，clone 即跑。
你是這個專案的維護者嗎？展示它已收錄於 YunoDB。
Markdown
[](https://yunodb.com/tools/serewballagent-eval-bench?utm_source=github&utm_medium=badge)HTML
<a href="https://yunodb.com/tools/serewballagent-eval-bench?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/serewballagent-eval-bench.svg" alt="Featured on YunoDB" height="20"></a>繼續探索
查看所有替代工具 相關工具
100/100
awesome-ai-engineering
🚀 精心策劃的 AI 工程資源、路線圖、工具和專案集合，涵蓋 LLMs、RAG、AI Agents、MCP、微調、評估和生產環境
100/100
TrendRadar
⭐AI-driven public opinion & trend monitor with multi-platform aggregation, RSS, and smart alerts.🎯 告別資訊過載，你的 AI 輿情監控助手與熱點篩選工具！聚合多平
100/100
AI-Research-SKILLs
適用於任何 AI 模型的 AI 研究與工程技能的綜合開源庫。打包技能後，您的 claude code/codex/gemini agent 將成為一個