ALE 基准
ALE（Agents’ Last Exam）是伯克利宋晓东团队推出的智能体评测基准，覆盖 55 个非体力职业、1500+ 真实任务，采用 GUI+CLI 可验证评估方式。设有 ALE-CLI 子集和最高难度”Last-Exam”档——截至评测时所有前沿 Agent 在该档通过率为 0%。它揭示了 Agent 在真实工作场景中”看起来完成但实际未完成”的系统性失败模式。
ALE（Agents’ Last Exam）是伯克利宋晓东团队推出的智能体评测基准，覆盖 55 个非体力职业、1500+ 真实任务，采用 GUI+CLI 可验证评估方式。设有 ALE-CLI 子集和最高难度”Last-Exam”档——截至评测时所有前沿 Agent 在该档通过率为 0%。它揭示了 Agent 在真实工作场景中”看起来完成但实际未完成”的系统性失败模式。