Tambahkan ke ChromeApakah Anda pengembang app ini? Verifikasi kepemilikan untuk mengelola listing ini.
Dapatkan aplikasi desktop khusus untuk BenchSpan di Mac, Windows, dan Linux dengan WebCatalog Desktop.
- Buka BenchSpan langsung dari Dock atau taskbar.
- Bekerja tanpa gangguan di jendela khusus, terpisah dari tab browser Anda.
- Tetap masuk ke beberapa akun BenchSpan dan beralih di antaranya tanpa keluar.
BenchSpan adalah **platform tolok ukur agen** yang dirancang untuk pengembang yang membangun agen AI, sehingga tolok ukur dapat diselesaikan dalam hitungan menit, bukan jam.[1] Ini menjalankan evaluasi dalam wadah Docker yang terisolasi secara paralel, mendukung beban kerja seperti bangku SWE 14 jam dengan pengaturan minimal.[1] Pengguna menyediakan skrip bash sederhana untuk meluncurkan agen mereka, tanpa memerlukan penguncian kerangka kerja atau perubahan antarmuka tertentu.[1] Platform ini menawarkan perpustakaan tolok ukur standar, termasuk **SWE-bench Verified**, **SWE-bench Lite**, **Terminal-Bench**, **HumanEval**, **MBPP**, **MATH**, dan **GPQA**, atau mengizinkan tolok ukur khusus.[1] Konfigurasikan jumlah instance paralel dan mulai proses langsung dari antarmuka.[1] Hasil menangkap metrik terperinci seperti skor, lintasan, penggunaan token, latensi, dan data khusus, semuanya terpusat di dasbor tim yang dapat dicari.[1] Proses ditandai dengan hash penerapan agar mudah direproduksi dan dibandingkan antar versi.[1] Penyiapan ini menyederhanakan **evaluasi agen AI**, **alur kerja tolok ukur**, dan pelacakan kinerja untuk tim teknik.[1][9]
Penafian: WebCatalog tidak berafiliasi, terkait, diizinkan, didukung, atau dengan cara apa pun terhubung secara resmi dengan BenchSpan. Semua nama produk, logo, dan merek adalah milik pemiliknya masing-masing.
