Agent Arena 升级 Bash 可靠性指标

Agent Arena 榜单宣布将原有的 Bash Recovery 信号升级为 Bash Reliability 指标。此次调整的核心是错误归因：新指标只惩罚 agent 自身犯下的命令行错误，避免因环境等外部因素误伤被测模型。按照报道说明，该指标会逐条读取每一次 bash 调用的目的、结果与错误原因，进而判断错误是否由 agent 自身造成，以更准确地衡量 agent 的命令行使用可靠性。指标更新后，Claude Opus 5.5 在该项指标上位居首位。截至 2026 年 10 月 14 日的报道，该事件仅披露了指标定义调整与榜首归属，未涉及其他榜单或分数的变动情况。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。