行业与实践 · 标签「IRT」

研究与基准测试/2026-09-30/22 分钟

Messier：把 30 个 Agent 基准对齐成可审计的逐任务记录

Andromede 发布 CC BY 语料 Messier：957,253 条试验结局，覆盖 30 个基准。全通过评分会把部分完成打成零，开放数据拟合的能力排序与 Epoch ECI 的 Spearman 相关为 0.81。