Hugging Face Blog·· 2026-06-18AI 评分52
Hugging Face 发布 agent-eval：用自建基准评测开源模型对 transformers 的智能体使用
Is it agentic enough? Benchmarking open models on your own tooling
AI 导读
Hugging Face 发布 agent-eval 基准工具，不只看最终答案，而是测量智能体完成任务所需的轮次、token、时间和失败情况，全部由开源模型通过 pi 编码智能体驱动并跑在 Hugging Face Jobs 上。
来源：Hugging Face Blog · huggingface.co