简介
在可控场景下对客服等 Agent 跑几十到上百条用例，输出准确率、幻觉、边界与指令遵循等分项及综合分，并给出安全/有条件/不推荐建议。可浏览排行榜或提交「Test Your Agent」。适合采购对比与上线前自测。来源：agentscore.institute。
- 独立场景评测
- 分项分数与结论
- 排行榜
- Test Your Agent
- 可重复量规
界面截图
可左右滑动，或使用方向键、Home 和 End 浏览截图。
在可控场景下对客服等 Agent 跑几十到上百条用例，输出准确率、幻觉、边界与指令遵循等分项及综合分，并给出安全/有条件/不推荐建议。可浏览排行榜或提交「Test Your Agent」。适合采购对比与上线前自测。来源：agentscore.institute。