Agent Arena 提出因果追踪评测方法

2026年10月10日，Arena.ai 通过其 X 账号 @arena 发布推文，介绍 Agent Arena 如何衡量智能体能力。据该推文，Agent Arena 不采用成对偏好投票（pairwise preference voting），而是使用因果追踪（causal tracing）方法，从真实的、长周期的智能体会话中测量五种信号。推文称更多信息见其推文串。当日稍晚（05:44）的后续推文重申了同一说法，措辞略有不同，将“长周期”表述为“长时程”（long-horizon），未披露五种信号的具体内容、测量细节或适用范围。截至本综述，报道仅涉及该方法的提出与基本思路，无进一步跟进报道。

AI 根据报道生成 · 5 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。