Noticias sobre CivBench

El valor de CivBench no está en dar clasificaciones de modelos, sino en llevar la escala de evaluación de los agentes a un entorno de juego real de más de 300 rondas y estandarizar la interfaz de la herramienta a través de MCP. Esto marca un cambio en el enfoque de la evaluación de "invocación de herramienta de un solo paso" a "planificación a largo plazo y monitoreo del estado", y la investigación de agentes estará más cerca de la complejidad del despliegue real.