AOS-Bench：LLM 智能体能否管理动态工作负载？

AOS-Bench 把智能体系统当作工作负载管理器来评测：任务随时间陆续到达，需在共享 CPU 和内存限制下交付。在五组模型与 harness 组合中，重负载下每个系统都损失 13 至 23 分；中等负载下各系统隔离成功率相差 11 分，流式成功率却相差 26 分。串行调度导致重负载下 73% 的任务无人领取，而固定并发数为 2 的策略在两个负载档位上均与最佳智能体管理策略相差不到 4 分。