添加到 ChromeBenchSpan 是一个 AI 代理基准测试平台，可并行运行评估、跟踪团队结果，并支持 SWE-bench、HumanEval、Terminal-Bench 等基准。
您是这款应用的开发者吗？验证所有权以管理此应用条目。
借助 WebCatalog Desktop，在 Mac、Windows 和 Linux 上获取 BenchSpan 专属桌面应用。
- 直接从程序坞或任务栏启动 BenchSpan。
- 在独立窗口中专注工作，不受干扰，与浏览器标签页分开。
- 同时保持登录多个 BenchSpan 帐户，无需退出即可在它们之间切换。
BenchSpan 是一个**代理基准测试平台**，专为构建 AI 代理的开发人员而设计，使基准测试能够在几分钟而不是几小时内完成。[1]它在隔离的 Docker 容器中并行运行评估，以最少的设置支持 14 小时 SWE 工作台等工作负载。[1] 用户提供简单的 bash 脚本来启动代理，无需框架锁定或特定接口更改。[1]该平台提供标准基准测试库，包括 **SWE-bench Verified**、**SWE-bench Lite**、**Terminal-Bench**、**HumanEval**、**MBPP**、**MATH** 和 **GPQA**，或者允许自定义基准测试。[1]配置并行实例的数量并直接从接口启动运行。[1] 结果捕获详细指标，例如分数、轨迹、令牌使用情况、延迟和自定义数据，所有这些都集中在可搜索的团队仪表板中。 [1]运行由提交哈希标记，以便于跨版本的重现和比较。[1]此设置简化了工程团队的 **AI 代理评估**、**基准工作流程** 和绩效跟踪。[1][9]
免责声明：WebCatalog 与 BenchSpan 不存在任何隶属、关联、授权或认可关系，也未以任何方式与其建立官方联系。所有产品名称、徽标和品牌均为其各自所有者的财产。
