arXiv · cs.AI· Yu Liu, Zhilin Liu, Zhiwei Yang, Shaojie Zhang, Zheyuan Deng, Tingwei Huang, Zhenbo Luo, Lei Jiang, Yanbing Liu, Pei Fu·· 5 小时前
OmniStepBench：跨模态与任务复杂度的部署感知 Agent 评测基准
OmniStepBench: Deployment-Aware Agent Evaluation across Modalities and Task Complexity
arXiv:2609.06059v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yu Liu, Zhilin Liu, Zhiwei Yang, Shaojie Zhang, Zheyuan Deng, Tingwei Huang, Zhenbo Luo, Lei Jiang, Yanbing Liu, Pei Fu
研究任务与主要进展
研究作者推出 OmniStepBench，用于跨输入模态和执行形式评估 Agent，基于22个基准整理233个任务，并在统一的 OpenClaw 执行环境和合同式评分协议下评测42个模型。基于论文摘要，研究进行了9,218次适用模型—任务运行，比较准确率、Token消耗及 API 模型参考成本，结果显示模型排名随工作负载变化，文本与多模态任务存在不同的准确率—成本权衡。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org