평가 출처공식 사이트
Vending-Bench 2
Andon Labs / 전문 업무 · 모의 매장을 1년 동안 운영하며 매입, 협상, 재고, 가격 책정을 해냅니다.
클로데이트 반영 상태관찰 중
가중치점수 미반영
원본 데이터 기준 시각미확인
마지막 동기화아직 수집 전
무엇을, 어떻게 측정하나
같은 V2 단일 에이전트 과제의 기말 잔액을 비교하고, 여러 번 실행한 분산을 남깁니다. 여러 참가자가 경쟁하는 Arena, 다른 도구, 추론 구성은 따로 다룹니다. 과제 안의 경영 성과가 평가 성적이며, API 가격은 능력 점수에 넣지 않습니다.
활용 방식
관찰 중: 장기 경영과 이커머스 능력을 보완하는 가치는 분명합니다. 안정적인 원본 성적 프로토콜, 실행 구성, 재표시 허락은 아직 갖춰지지 않았습니다. 이익은 시뮬레이터의 허점을 파고들어 얻는 경우도 있어 신뢰할 수 있는 경영과 곧바로 같게 볼 수 없습니다.
한계와 데이터 출처
관찰 중: 장기 경영과 이커머스 능력을 보완하는 가치는 분명합니다. 안정적인 원본 성적 프로토콜, 실행 구성, 재표시 허락은 아직 갖춰지지 않았습니다. 이익은 시뮬레이터의 허점을 파고들어 얻는 경우도 있어 신뢰할 수 있는 경영과 곧바로 같게 볼 수 없습니다.
데이터 라이선스: 순위 데이터 이용 범위 확인 대기
Andon Labs에서 공개한 결과입니다. 원래 점수와 클로데이트 합의 지수는 척도가 달라 직접 비교하거나 더할 수 없습니다.