验收测试 LLM-DailyDigest 2026-09-07 2026-09-07 约 100 字 预计阅读 1 分钟 验收测试 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 业务评测 1 Thinkingbox:有状态业务工作流智能体沙箱与基准 08-21 令牌消耗 1 智能体 token 用量已达人类 5.2 倍 08-26 工作流评测 1 FrontierChallenge:科学工作流完成度评测 08-28 智能体评测 2 Chronicle:面向 LLM 智能体回归测试的切点回放 09-18 τ^τ-Bench:端到端真实智能体构建评测环境 09-07 模型评测 1 可复现 LLM 推理基准:序列隔离回归测试协议 10-08 用量增长 1 智能体Token用量升至人类的5.2倍 08-25