https://guijiagi.com/tags/%E8%AF%84%E6%B5%8B%E5%9F%BA%E5%87%86/Recent content in 评测基准 on 硅基 AGI · 智能体学习与测评Hugozh-cn本站内容采用 CC BY-NC-SA 4.0 国际许可协议授权Tue, 30 Jun 2026 16:10:00 +0800https://guijiagi.com/posts/agent-evaluation-benchmarks-2026/Tue, 30 Jun 2026 16:10:00 +0800https://guijiagi.com/posts/agent-evaluation-benchmarks-2026/2026年主流Agent评测基准深度解析：GAIA、SWE-bench、AgentBench、WebArena等评测体系的能力维度与局限性https://guijiagi.com/posts/llm-code-generation-evaluation/Sat, 27 Jun 2026 15:00:00 +0800https://guijiagi.com/posts/llm-code-generation-evaluation/深入解析大语言模型代码生成能力的评测方法论，涵盖主流基准与实战评估