TraceTrial-Bench实现Agent与Harness解耦评估
本期解读论文：Trial by Trace: Benchmarking AI Agent Harnesses for Reliability and Failure Attribution 作者：TraceLite AI 论文链接：https://arxiv.org/abs/2610.32285 代码库：暂未公开，后续将随项目同步开放全量任务、配置、运行轨迹与判定结果，支持可复现分析 核心亮点： 1. 首创Agent-Harness解耦评估范式：打破传统基准仅通过最终任务结果评估AI代理的局限