⌘ K
… 读取采集状态 同步中...
雷
原文
Datawhale· Datawhale·· 2026-08-07AI 评分71

腾讯发布WorkBuddy Bench与E-Bench两项Agent评测基准

腾讯一周连发两篇 Agent 评测,Workbuddy底牌公开了!

AI 导读

腾讯公开两项Agent评测基准WorkBuddy Bench和E-Bench,共含583道题目。WorkBuddy Bench涵盖代码、前端、办公、安全四赛道,题目源自真实场景并开源。E-Bench基于王者荣耀、QQ音乐、腾讯会议合成有状态环境,测试多步工具调用能力。评测显示无模型能通吃所有场景,且模型性能受执行环境影响显著,开源模型在安全赛道表现优于部分闭源模型。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:Datawhale · mp.weixin.qq.com