منشور 阿里国际 Accio 团队做的这套智能体测评叫 RealReplicaBench，测的就是智能体办完一整套业务流程的体力。

30 سبتمبر 2026

互

互联网从业者充电站

صورة
انقر للعرض

阿里国际 Accio 团队做的这套智能体测评叫 RealReplicaBench，测的就是智能体办完一整套业务流程的体力。 107 个任务里 53 个走 CLI、28 个靠浏览器、16 个处理文件、10 个接 API/MCP，再按需求切成纯文本、浏览器能读文本、必须看得懂图三档。每个任务开一个干净容器跑，收尾统一用确定性脚本加 LLM 裁判给分。 https://github.com/Accio-Lab/RealReplicaBench 互联网充电｜优质资源优质内容｜内幕消息

5 · 388 · 03:18

بجوارها في الخلاصة

互

互联网从业者充电站01:08看得出是真喜欢互联网充电｜优质资源优质内容｜内幕消息互

互联网从业者充电站02:31我就说网上能学到好东西嘛互联网充电｜优质资源优质内容｜内幕消息

هذه الرسالة

互

互联网从业者充电站04:27好奇你们真的在用deepseek harness吗互

互联网从业者充电站04:37在 Windows、Linux 和 macOS 上跑一个桌面 agent，能执行命令、改文件、管 git 和操作网页，并把结果直接画成图表和流程图。 https://github.com/ANDRETRIPOL/OpenGhost OpenGhost 是个桌面 agent，跑在 Windows、Linux、macOS