AgentLens: Produktionsbewertete Trajektorien-Reviews zur Evaluierung von Coding-Agenten

arXiv:2607.06624v1 Ankündigungstyp: neu Abstract: Wir präsentieren AgentLens, ein produktionsbewertetes Benchmark für interaktive Code-Agenten. Die meisten Code-Agent-Benchmarks reduzieren einen Durchlauf auf ein einzelnes Bit – hat die Aufgabe bestanden? – aber die Personen, die diese Agenten tatsächlich nutzen, erleben die gesamte Trajektorie