AgentLens：面向编码代理评估的生产级轨迹审查基准

英文标题：AgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation

本文提出 AgentLens，一个面向交互式编码代理的、经生产环境评估的基准。与大多数仅将代理运行结果简化为任务通过与否的基准不同，AgentLens 关注完整的交互轨迹，更贴近实际开发者的使用体验。该基准为编码代理的综合能力评估提供了更全面的视角，有助于推动代理工具在实际场景中的落地与改进。

2.6 KB 2.1 KB 640 B 612 B 380 B 9.1 KB 22.8 KB 24.2 KB 34.7 KB