AOS-Bench：LLM 智能体能否管理动态工作负载？

AOS-Bench 把 LLM 智能体当作工作负载管理器来评测：任务随时间陆续到达，须在共享 CPU 和内存限制下完成。五个 model–harness 组合中，重负载下各系统成功率下降 13 到 23 分；中等负载下，两个隔离成绩仅差 0.6 分的系统分别交付 54% 和 68% 的任务。串行调度使 73% 的重负载任务无人认领，而固定并发 2 的策略距最佳 agent 管理策略不到 4 分。