Hugging Face Blog·· 2026-06-18精选AI 评分60
Hugging Face 发布 agent-eval：在自有工具上评测开放模型的智能体能力
Is it agentic enough? Benchmarking open models on your own tooling
AI 导读
Hugging Face 发布 agent-eval 评测工具，以 transformers 为案例，按 bare、clone、skill 三种层级在模型 × 版本 × 任务上并行运行，衡量智能体完成任务所需的轮次、token 与错误率，而非只看最终答案。
推荐理由
原文给出了一套可复用的智能体工具评测方法，并展示同一改动对不同规模模型效果相反的具体证据。
来源：Hugging Face Blog · huggingface.co