Hugging Face 推出 Gaia2 智能体评测基准与 ARE 仿真评估框架

Hugging Face 推出新一代 AI 智能体评测基准 Gaia2 及开源仿真框架 ARE，全面评估智能体在真实动态环境下的复杂任务处理能力。Gaia2 包含 1000 个涵盖工具执行、歧义处理、时间推理与噪声容忍等维度的人类设计场景，由早期的只读模式升级为交互式读写测试。配套的 ARE 框架模拟了包含邮件和日历等应用的手机环境，支持接入 MCP 工具并将所有运行轨迹导出为 JSON 日志。