LinuxArena: A Control Setting for AI Agents in Live Production Software Environments

评分 6.5 · 来源： · 发布于 2026-04-20

评分依据：Agent控制领域的大规模benchmark：20个环境1671个正式任务+184个安全破坏任务。是目前最大最多样的软件工程控制评估平台。