Alibaba International Accio 팀이 개발한 에이전트 평가 벤치마크 RealReplicaBench

요약

Alibaba International Accio 팀이 에이전트의 비즈니스 프로세스 완수 능력을 측정하는 RealReplicaBench를 개발했습니다. CLI, 브라우저, 파일 처리 등 다양한 환경에서 에이전트의 지구력을 평가합니다.

핵심 포인트

• 에이전트의 전체 비즈니스 프로세스 완수 능력 측정
• CLI, 브라우저, 파일, API/MCP 등 다양한 태스크 구성
• 텍스트 이해부터 이미지 이해까지 단계별 평가 지원
• 컨테이너 기반 실행 및 LLM 심판을 통한 통합 점수 산출