aobench

MSKazemi
10
面向角色感知和权限强制的基准,用于评估运行HPC系统的AI代理——SLURM、遥测、RBAC、文档、设施。基于轨迹且可复现。包含88项任务 × 29种环境 × 12种评分标准,并使用6种基于真实Marconi100 ExaData的环境。
#agent-benchmark #agent-evaluation #ai-agents #ai-safety #aiops #benchmark #evaluation-framework #high-performance-computing #hpc #langfuse #llm #llm-agents #llm-benchmark #llm-evaluation #mcp #python #rbac #reproducibility #slurm #tool-use

内容