已验证65% 置信事实精确时间

Agent's Last Exam 是专为评估大模型自主代理能力设计的高难度基准，要求多步骤任务中持续调用外部工具、维持长上下文记忆并自我修正

3

来源数

65%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

GPT-5.6三档模型解析：Sol/Terra/Luna重写Agent成本结构

bilibiliTerminator-AI2026/7/10

相关事实

待验证Agent's Last Exam 是由 Scale AI 与学术界联合设计的 Agent 能力基准测试83% 相似待验证Agents' Last Exam是覆盖55个专业领域、模拟长时间运行专业工作流的评估体系79% 相似已验证Agent由Planning模块、工具集、短期与长期记忆构成，最终输出Action指令完成调用75% 相似待验证Agent开发考验的核心能力是业务流程拆解、工具对接和系统异常兜底74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/501596

API

curl https://kongchang.com/api/v1/knowledge/claims/501596

MCP

get_claim(id=501596)