arXiv Artificial Intelligence· Yuxuan Liu, Haoran Li, Yuhao Zhang, Jiahe Guo, Hongyu Luo, Wenbin Hu, Huihao Jing, Kawai Chung, Junle Chen, Changxuan Fan, Qing Zong, Lingyun Xie, Yangqiu Song·· 18 小时前AI 评分27
SkillScriptBench：评测可执行 Agent 技能包超越 Markdown 的自进化能力
SkillScriptBench: Benchmarking Self-Evolution of Executable Agent Skill Packages Beyond Markdown
AI 导读
研究者推出 SkillScriptBench，一个 350 任务的基准，用于分别评测 Agent 技能包的文档修复、脚本修复与保持能力。该基准从超 35,000 个 GitHub Skill 仓库中选出 100 个包构建 150 个修复任务，另设 200 个任务的受控轨道。
来源：arXiv Artificial Intelligence · arxiv.org