B
Benchmark Weekly
首页
本周内容
往期归档
总览图
EN
阅读本期
↗
ISSUE OVERVIEWS · 2026
一张图,
读完一期。
统一整理每期入选项目、方向、简介、发布日期与发布机构。点击图片即可进入对应周刊。
W42 · 2026.10.12—2026.10.18
从答题走向运行中的系统
查看本期 ↗
W41 · 2026.10.05—2026.10.11
可执行环境、过程审计与真实可用性
查看本期 ↗
W38 · 2026.09.14—2026.09.20
从静态问答走向可执行、可回放的评测
查看本期 ↗
W37 · 2026.09.07—2026.09.13
Agent Benchmark 从题库走向评测系统工程
查看本期 ↗
W36 · 2026.08.31—2026.09.06
Agent Eval 的基础设施化
查看本期 ↗
W35 · 2026.08.24—2026.08.30
状态、过程与环境执行
查看本期 ↗
W34 · 2026.08.17—2026.08.23
真实工作流、持续状态与可执行验证
查看本期 ↗
W33 · 2026.08.10—2026.08.16
Discovery、Tool Use 与 Long-Horizon Agent
查看本期 ↗