Agents Last Exam

Agents Last Exam

Agents' Last Exam（ALE）是一个面向长程、真实、经济上有价值任务的 agent benchmark。它覆盖 13 个行业 cluster、55 个子领域、1000+ 个任务，并由 250+ 行业专家参与设计。

它的重要性在于把评测对象从“模型答题能力”推进到“agent 完成真实专业工作流的能力”。当前最难 tier 的平均 full pass rate 低于 1%，说明 agent 的真实工作能力仍远未饱和。