เพิ่มลงใน Chromeคุณเป็นผู้พัฒนาแอปนี้หรือไม่? ยืนยันความเป็นเจ้าของ เพื่อจัดการหน้ารายการนี้
BenchSpan เป็น **แพลตฟอร์มการเปรียบเทียบตัวแทน** ออกแบบมาสำหรับนักพัฒนาที่สร้างตัวแทน AI ซึ่งช่วยให้การวัดประสิทธิภาพเสร็จสิ้นภายในไม่กี่นาที แทนที่จะใช้เวลาหลายชั่วโมง[1] โดยดำเนินการประเมินผลในคอนเทนเนอร์ Docker แบบแยกส่วนพร้อมกัน โดยรองรับปริมาณงาน เช่น SWE-bench 14 ชั่วโมงโดยมีการตั้งค่าเพียงเล็กน้อย[1] ผู้ใช้จัดเตรียมสคริปต์ทุบตีอย่างง่ายเพื่อเปิดใช้งานเอเจนต์ โดยไม่จำเป็นต้องล็อคอินเฟรมเวิร์กหรือเปลี่ยนอินเทอร์เฟซเฉพาะ[1] แพลตฟอร์มดังกล่าวมีคลังการวัดประสิทธิภาพมาตรฐาน รวมถึง **SWE-bench Verified**, **SWE-bench Lite**, **Terminal-Bench**, **HumanEval**, **MBPP**, **MATH** และ **GPQA** หรืออนุญาตให้ใช้การวัดประสิทธิภาพแบบกำหนดเองได้[1] กำหนดค่าจำนวนอินสแตนซ์แบบขนานและเริ่มต้นการทำงานโดยตรงจากอินเทอร์เฟซ[1] ผลลัพธ์จะบันทึกตัวชี้วัดโดยละเอียด เช่น คะแนน วิถี การใช้โทเค็น เวลาแฝง และข้อมูลที่กำหนดเอง ทั้งหมดนี้รวมอยู่ในแดชบอร์ดของทีมที่ค้นหาได้[1] การรันจะถูกแท็กด้วยคอมมิตแฮชเพื่อให้สามารถทำซ้ำและเปรียบเทียบระหว่างเวอร์ชันต่างๆ ได้อย่างง่ายดาย[1] การตั้งค่านี้จะช่วยปรับปรุง **การประเมินตัวแทน AI**, **เวิร์กโฟลว์การเปรียบเทียบ** และการติดตามประสิทธิภาพสำหรับทีมวิศวกร[1][9]
ข้อสงวนสิทธิ์: WebCatalog ไม่มีความเกี่ยวข้อง เชื่อมโยง ได้รับอนุญาต รับรองโดย หรือมีความเชื่อมโยงอย่างเป็นทางการกับ BenchSpan ไม่ว่าในลักษณะใด ชื่อผลิตภัณฑ์ โลโก้ และแบรนด์ทั้งหมดเป็นทรัพย์สินของเจ้าของที่เกี่ยวข้อง
