UniClawBench：首个面向真实世界任务的主动智能体基准

摘要

UniClawBench 是首个基于能力驱动的基准测试，用于评估在动态真实环境中运行的主动智能体。它围绕技能使用、探索、长上下文推理、多模态理解和跨平台协调五种基础能力，设计了400个双语真实世界任务，并通过实时Docker容器和细粒度检查点进行评估。