arXiv · AI· Yu Liu, Zhilin Liu, Zhiwei Yang, Shaojie Zhang, Zheyuan Deng, Tingwei Huang, Zhenbo Luo, Lei Jiang, Yanbing Liu, Pei Fu·· 2026-10-15AI 评分45
OmniStepBench:面向部署的多模态与任务复杂度智能体评估基准
OmniStepBench: Deployment-Aware Agent Evaluation across Modalities and Task Complexity
AI 导读
OmniStepBench 提出了一种面向部署的智能体评估基准,旨在超越静态答案正确性,重点评估多模态感知、多步执行、工具使用及工件交付。该基准基于 OpenClaw 执行环境,将 22 个来源基准的 233 个任务组织成 2x3 工作负载矩阵,并在统一的基于契约的协议下进行评估。
来源:arXiv · AI · arxiv.org