Gaia2 智能体评测基准与 ARE 环境发布

Hugging Face 联合 Meta 推出新一代智能体评测基准 Gaia2 及开源测试环境 ARE，用于评估 AI 智能体在真实交互环境中的复杂行为。Gaia2 从只读搜索转向读写交互，通过 1000 个模拟手机应用场景考察歧义处理、时间推理和抗干扰等能力。ARE 框架支持通过 MCP 连接外部工具并记录执行轨迹，评测结果显示当前大模型在时间敏感与环境适应性任务上仍面临明显瓶颈。