מבחן הערכה

AgencyBench

מדידה עצמאית · הערכה על ידי מודל אחר, במשקל מוגבל

מה הוא מודד

ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה · שימוש בכלים: קריאה נכונה לפונקציות וממשקים חיצוניים · הפעלת מחשב: עבודה בממשק של מערכת הפעלה ואפליקציות

מה הוא לא מודד

  • אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.

הערות רישום

Peer-reviewed and professionally relevant; automated/judge components must be disclosed. Verify canonical URL before production.

תוצאות שנקלטו

אין עדיין רשומות מדד למדד הזה. הוא מופיע ברישום אך אינו משפיע על ציון.