SkillBuffBench:衡量 Agent Skills 在不同 Harness、模型、技能访问模式与记忆下的贡献
SkillBuffBench: Measuring What Agent Skills Contribute across Harnesses, Models, Skill Access Modes and Memory
AI 导读
SkillBuffBench 测量 Agent Skills 在部署条件下的贡献,把技能访问设为无技能、精选技能、库内自动调用三级,与记忆开关、四个 agent harness 交叉评测。模型含 Anthropic、Google、OpenAI 专有模型和中国厂商开源权重模型,任务来自材料科学与生物学专家。评测尚在进行,结果将陆续补充。