研究論文1 個來源10/27 下午03:15
圖：本站依事件資料排版，不是新聞照片
TraceTrial-Bench 基準測試：評估 AI 代理框架可靠性與失敗歸因
研究提出 TraceTrial-Bench，透過 95 個任務與 3,420 次執行，將 AI 代理框架的可靠性分為七個構面評估，並提供失敗歸因機制。
程式自動生成（Qwen3.8-Flash-Next-180B），未經人工審閱。每段附來源，門檻檢查通過後自動上線。
其他關鍵字Anthropic 40Claude Code 36Hugging Face 36OpenAI 32Nvidia 28ElevenLabs 20codex 19vLLM 19claude 17MCP 17Amazon Bedrock 16GitHub 14SGLang 14llama.cpp 13Meta 13AI 代理 12AWS 12ElevenAgents 12ollama 12Claude Opus 5.5 11Cursor 11Google Cloud 11MoE 10TypeScript 10輝達 10Amazon Bedrock AgentCore 9Databricks 9LangChain 9LoRA 9RAG 9