BTS-AgentBench：遥测日志生成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，可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。 论文称，BTS 版本包含九大类的 532 个 episode，第二个语料库移植产生 204 个 XAI4HEAT episode；冻结输入重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 和 41 个 XAI4HEAT 测试 episode。代码、发布的基准和复现说明均已公开。

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。