Navers Lab / Einsia：六个评测分别测什么
按任务、评分和证据理解 Einsia 的六个评测，连接完整 Radar 详情与原始发布资料。
Claire Radar
AgentAbstain
原始来源英文简介
AgentAbstain is a paired-task benchmark for evaluating LLM agents' ability to abstain from acting in scenarios such as ambiguity, conflicting constraints, or tool failures. It includes 263 paired tasks across 42 sandbox environments, with a proposed pipeline for generating fresh task instances.
已收录的评测资料
本站尚未从这条来源记录收录数值成绩。下面的论文、代码或数据入口可用于核对任务与实验结果；这不表示原论文没有实验结果。
从这些资料开始
引用文档及日期（1）
目录采集于 2026-10-14，资料入口与字段反映当时保存的来源。
关注度快照
观测日期：2026-10-11
- Hugging Face 论文点赞
- 8
这是注明日期的关注度观测，不是实时计数或评测分数。
评测信息与证据
- 来源
- Claire Radar
- 发布者
- 未收录
- 评测发布日期
- 2026-07-11
- 采集日期
- 2026-10-14
- 模态
- 未收录
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
报告成绩 0
本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。