agents-last-exam / agents-last-exam
面向长周期专业工作的计算机使用代理评估基准的任务元数据
3个月前更新
项目方资料核对
- 将 AI 智能体评测从抽象代理问题转向长周期、有经济价值的真实工作流
- 基准仍在建设中,当前 1,500+ 任务距 5,000 目标差距较大,公开可用的参考任务仅 150 个
3 个来源 · 截至 2026-06-20
2026-06-11 收录的数据集（4）
本页记录当日收录项目。
ServiceNow-AI / eva-bench
对话语音代理端到端评估框架，基于机器人间音频对话评分
4个月前更新
zhifeixie / StreamAudio-2M
用于音频大模型与代理训练的流式音频数据集，含六个任务子集
3个月前更新
MEDHARVIX-SYSTEMS / bhasaflow-khasi-english-parallel-sample-v1
Khasi语-英语平行语音与文本语料样本
4个月前更新
项目方资料核对
- 为 Khasi 语 ASR/TTS/机器翻译提供稀缺的平行语音-文本对齐数据
- 许可为 restricted/other：公开样本仅限非商业研究使用，禁止再分发，商用需单独授权
1 个来源 · 截至 2026-06-20