testbed

VBVR-Pro 引入了一个闭环测试平台，用于通过生成实现可扩展且可验证的原生视觉推理，其特点包括任务扩展、可验证奖励以及跨多样视觉基底的机制研究。

介绍了一个开源测试平台，用于比较MCP服务器、代理技能和基线运行，从而能够对这些组件进行标准化评估。

AgenticSTS引入了一个使用类型化检索的、用于长期LLM代理的有界内存测试平台，在《Slay the Spire 2》上的结果显示性能提升。