LabyrinthBench评测多步Agent上下文回忆
这是一个面向本地部署的、无需LLM裁判的基准，用来测量模型在多步Agent任务中经历干扰后，是否还能记住二十轮之前学到的信息。项目提供可替换的测试框架、可本地运行的浏览器流程，以及策略排行榜。
事件进展（1 篇报道）
-
2026-08-07 20:19
这是一个面向本地部署的、无需LLM裁判的基准，用来测量模型在多步Agent任务中经历干扰后，是否还能记住二十轮之前学到的信息。项目提供可替换的测试框架、可本地运行的浏览器流程，以及策略排行榜。